癌症免疫循环（CIC）提供了一个结构化的模型，用于理解免疫系统与癌症之间的相互作用，强调了免疫反应如何影响疾病进展。该研究旨在为患者定制CIC谱型，提供哪些阶段的循环最相关于个性化癌症疗法和诊断的见解。
在这项研究中，研究人员分析了测试免疫疗法阿特珠单抗（atezolizumab）在晚期尿路上皮癌（UC）和非小细胞肺癌（NSCLC）中的匿名临床试验数据。研究采用了两种策略来考察特定CIC阶段内的基因表达与患者预后之间的关系。第一种方法集中在与CIC各阶段相关的个别基因上，而第二种方法则使用多基因分析来评估循环内的免疫活性。
在基因特异性方法中，研究人员从4,000个CIC相关候选基因中确定了约100个关键基因，这些基因在UC和NSCLC组中区分了对治疗有反应者和无反应者。关键基因如TRNT1、CD74和JAK3被确定为不同CIC阶段的重要标志物。这些基因标志物在UC中的分类准确率为73%，在NSCLC中为72%，表明其在预测患者反应方面具有良好的前景。
多基因方法涉及创建免疫适应度（IFIT）评分，这些评分反映了CIC各阶段的免疫活动水平。分析显示，CIC第5C阶段和第6阶段与总生存率密切相关，这与肿瘤内的T细胞浸润和癌细胞识别有关。特别是第6阶段涉及关键机制，如抗原处理，而第5阶段突出了免疫信号传导的关键途径，如PI3K和T细胞受体途径。
总之，这项研究确定了特定的基因特征，并强调了IFIT评分在癌症治疗中基于阶段的风险评估中的应用价值。基因特异性标志物和多基因分析提供了互补的见解，每种方法都捕捉到了CIC内的不同生物学过程。正在进行的验证工作旨在将这些发现扩展到其他癌症类型和疾病的早期阶段，旨在完善CIC模型，作为个性化癌症治疗和诊断的基础。
参考文献
Aghababazadeh FA等. 利用机器学习模型驾驭癌症免疫循环，生成个性化癌症治疗的新策略。《癌症免疫治疗杂志》。2024；DOI:10.1136/jitc-2024-SITC2024.1197.
(全文结束)
