大家好，今天和大家分享的题为Immu CellAI: A Unique Method for Compre hensive T-Cell Subsets Abun dance Predi ction and its Applic ation in Cancer Immun other apy 的论文，借助Immu CellAI 算法，我们可以分析24种免疫细胞的免疫得分，并预测免疫检查点抑制剂治疗效果的预测。
01
研究背景
免疫细胞的分布和丰度，特别是T细胞亚群，在癌症免疫学和治疗中起着关键作用。T细胞具有许多具有特定功能的亚群，目前的方法在估计它们方面存在局限性，因此，癌症免疫学研究中迫切需要一种预测综合T细胞亚群的方法。
本文介绍了免疫细胞丰度标识符（Immu CellAI），这是一种基于基因集签名的方法，用于从基因表达数据中精确估计24种免疫细胞类型的丰度，包括18个T细胞亚群。
对流式细胞术结果测序数据和公开表达数据的性能评估表明，ImmuCellAI可以比其他方法更准确地估计免疫细胞的丰度，特别是在许多T细胞亚群上。ImmuCellAI在免疫治疗数据集中的应用表明，与治疗中与治疗前以及应答者与无应答者相比，树突状细胞，细胞毒性T和γδT细胞的丰度显着更高。
同时，建立了ImmuCellAI基于结果的模型，用于高精度预测免疫治疗反应（曲线下面积0.80–0.91）。这些结果证明了ImmuCellAI在肿瘤免疫浸润估计和免疫治疗反应预测方面的强大而独特的功能。
见图一
ImmuCellAI估计的免疫细胞类型和ImmuCellAI的工作流程。
图一
a）ImmuCellAI枚举的免疫细胞亚群。细胞类型在线上的基因是其标记基因的例子。
b） ImmuCellAI算法的流水线。三个红框是ImmuCellAI算法的三个主要步骤。从GEO获得免疫细胞的参考表达谱，从文献和分析方法中获得每种免疫细胞类型的标记基因。对于每个查询样本，计算信号基因集总表达偏差的富集评分，并通过ssGSEA算法分配给每种免疫细胞类型。采用补偿矩阵和最小二乘回归来纠正不同免疫细胞类型之间共享标记基因引起的偏差。
见图二
ImmuCellAI与其他方法的性能比较。
图二
a）免疫细胞类型可以估计，平台适用于ImmuCellAI和其他五种方法。
b） ImmuCellAI和其他方法对健康供体和AML患者的测序血液样本的预测准确性。行对应于方法，列指示饼图中相应单元格的皮尔逊系数。相应方法中不可用的细胞类型标有黑色“× ”。圆圈中的“-”表示相关性分析结果为“NA”。
c，d）ImmuCellAI和其他方法在公共RNA-Seq数据集（c）和微阵列数据集（d）上的表现。
e） 每种方法的相关偏差，考虑了样本量和总体准确性，以衡量每种工具的整体性能。“×”意味着TIMER不适合估计两个微阵列数据集（PBMC：GSE65133和FL：GSE65136）的细胞分数。
见图三
ImmuCellAI在免疫治疗中的应用案例研究。
图三
a，b）三种类型的免疫细胞在抗PD1治疗前（前）和期间（a）以及治疗中（抗PD1）时间点（b）的反应者（R）和无反应者（NR）的显着丰度差异。
c，d）免疫治疗反应预测模型的受试者工作特征（ROC）曲线，使用ImmuCellAI估计22个免疫细胞（c）或15个T细胞亚群（d）的丰度作为测试和验证队列中的特征。
e，f）使用ImmuCellAI（e）或xCell（f）估计的xCell和ImmuCellAI中可用的免疫细胞丰度作为测试和验证队列中的特征的预测模型的性能。“队列 1”包含 53 个样本（45 个应答者和 91061 个无应答者，随机抽样来自GSE78220、GSE115821和 GSE2）。“队列 41”包含 33 个样本（SRP011540 个应答者和 3 个无应答者）。“队列 45”包含 12 个样本（33 个应答者和 107734 个无应答者，ERP<>）。
见图四
ImmuCellAI分析TCGA数据中免疫细胞的浸润。
图四
a）肿瘤和邻近组织之间免疫细胞浸润的比较景观。橙色块表示细胞在病灶组织中浸润更多，绿色块表示相反。使用威尔科克森秩和检验评估统计学显著性，FDR 为 0.10。
b）肿瘤浸润免疫细胞与患者生存的关联。对于每种癌症类型，进行多变量Cox回归，协变量包括免疫细胞丰度，诊断时的患者年龄，性别和临床分期。
c）通过多种免疫细胞类型的组合得出癌症的卡普兰-迈尔曲线。使用多元Cox回归计算统计学意义和风险比。
02
研究结论
综上所述，这项研究提供了一种准确可靠的工具ImmuCellAI来剖析T细胞特性并探索免疫细胞在癌症中的浸润。ImmuCellAI的最大优势是它能够准确估计18个T细胞亚群的丰度，这是它独特的功能。
此外，ImmuCellAI可用于预测患者对ICB治疗的反应。ImmuCellAI的结果为阐明癌症-免疫相互作用提供了有价值的预后预测因子和综合资源，可以促进癌症免疫治疗和精准医学的应用。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。
联系客服
