六个不同队列的700多名患者的数据，带来了对免疫疗法如何起作用的新见解

研究人员在一项研究中确定了对免疫治疗反应的预测标记，该研究涉及来自六个不同队列的700多名患者的数据，发表在《自然通讯》上。本研究具有重要的相关性，影响膀胱癌患者的治疗。机器学习工具能够识别免疫治疗成功的关键变量。这种创新的方法使研究人员能够确定哪些肿瘤亚型对免疫治疗反应最好。

　　

影响晚期膀胱癌患者免疫治疗成功或失败的因素是什么？为什么只有20%的晚期膀胱癌患者对免疫治疗有反应？这些都是由del Mar医院研究所的生物医学信息学研究计划（GRIB）和癌症计划领导并与庞培法布拉大学合作进行的一项最新研究所解决的问题。这项研究发表在《自然通讯》上，由Mar alb 、Júlia Perera和Joaquim bellmont协调。来自UPF医学和生命科学系的Robert Castelo也参加了会议。作者分析了来自六个不同队列的700多名此类癌症患者的公开数据，以确定对治疗有反应和无反应的区别。这项研究是迄今为止针对这种癌症类型进行的规模最大的研究，其结果也可以应用于其他癌症。 

研究结果表明，在这种癌症的五种肿瘤亚型中，最罕见的一种，即神经元亚型，对这种治疗方法反应最好。其他亚型表现出较低的反应率。GRIB研究员Lilian Marie Boll解释说：“我们发现，在一部分晚期膀胱癌患者中，迄今为止确定的标记物可以很好地预测治疗反应。对于其他人，我们认为反应取决于其他生物因素，这一领域需要进一步研究。” 

标记的主要类型

该研究开发了一种机器学习算法来预测不同肿瘤亚型患者的治疗反应。预测治疗成功最可靠的标志物包括肿瘤突变负担（肿瘤中突变的数量）、APOBEC酶引入的突变（与肿瘤异质性相关）以及促炎巨噬细胞的丰度。此外，研究人员在肿瘤微环境中发现了阻碍治疗效果的标志物。除了这些已知的标记物之外，大样本量还可以识别出罕见的突变，这些突变可能会在肿瘤表面呈现新的蛋白质片段，使它们对免疫系统可见。 

“正如我们已经知道的那样，肿瘤中的免疫细胞浸润很重要。但它不是治疗反应的唯一指标，也不适用于所有患者，”Júlia Perera Bel博士指出，他也是GRIB的一名研究员。事实上，研究人员观察到，将患者分为有免疫浸润和没有免疫浸润的患者使算法更加精确，为每组优先考虑不同的标记。Lilian Marie Boll说：“我们研究的关键是了解这些亚组中的反应机制，而不是将所有膀胱癌作为一个单一的实体来治疗。” 

del Mar研究所和Dana-Farber癌症研究所泌尿系统癌症研究小组的协调员Joaquim Bellmunt博士说：“这项研究扩大了我们对肿瘤异质性的认识，这是免疫治疗疗效的限制因素。它强调了识别促进免疫治疗反应的免疫细胞群的重要性，而其他免疫细胞群则具有抑制作用。” 

这些结果强调了肿瘤生物学和周围免疫微环境在决定治疗反应方面的关键关系，以及在选择最合适的方法时考虑肿瘤亚型特异性因素的必要性。根据研究小组的说法，这就是为什么拥有大型数据集能够开发预测性计算模型的重要性，这些模型可以整合大量数据来区分患者亚组，从而将该领域推向精准医疗。