今天分享的这篇文章是发表在杂志elife上（影响因子6.），题目为Antigenpresentationandtumorimmunogenicityincancerimmunotherapyresponseprediction。作者提出一种新的关于肿瘤免疫原性的评分，可作为预测患者免疫治疗疗效的工具，可帮助临床医生更准确的选择最佳治疗方案。
摘要背景：免疫疗法的新型癌症疗法改变了医生治疗癌症患者的方式，但是只有有限的患者可以从中受益。因此，作者旨在开发一种基于肿瘤免疫原性的相关因素来评估免疫治疗的疗效，从而指导治疗策略的方法。
材料与方法：作者通过R包（UCSCXenaTools）从TCGA下载了33个pancancer的标准化RNA-Seq数据和临床数据，通过免疫原性的相关因素，比较不同的评分的效果，开创性的提出了一种评分TIGS，并将患者分为高风险评分组和低风险评分组。在两者之间进一步的比较了不同评分的预后效果，免疫细胞的浸润水平和几种免疫相关分子。
结果：作者通过数据预处理，留下了位患者。在通过各种比较和研究后，最终提出的TIGS评分明显优于其他评分，高风险的患者总生存期明显变差。最后作者还提出可以预测（中等）TIGS可用的肿瘤类型的ORR。
结论：作者提出的TIGS评分可作为预测患者免疫治疗疗效的工具，对临床医生更准确地选择最佳治疗方案。
流程图流程图是作者大致的实现过程，可以帮助理解。
结果简述TCGA患者的数据准备和描述
本研究共纳入了来自TCGA的33种cancer的临床信息和标准化的基因表达数据，将Hugoetal等三篇文献的数据作为最后的验证集。在TCGA数据集中，删除了pathologicstage为0或者X的数据，同时只保留了sampletype的类型是primarytumor数据。
2.免疫细胞类型的APM基因
作者通过阅读文献，选择了（n=18）个与免疫相关的基因，通过GSVA方法计算了APM分数，同时在计算出了IIS、TIS等多种免疫相关细胞的量化分数，同时还通过Timer计算各种细胞的比例，以便后续的分析。同时通过TCGAmutation得到每个患者的具体TMB值。为了对比自己的评分，作者还选择了PHBR1、PHBRII（来自参考文献）两种评分来比较。
作者给自己找到的各类评分画了一个热图分析。
通过不同的细胞的一个量化指标来看出不同的肿瘤中的差异。
作者通过各种比较和分析，发现从生物学过程的角度来看，TMB的释放与（APM）肿瘤抗原的加工和呈递无关。既然我们已经发现TMB和APM是可以预测免疫疗法中癌症类型的对象反应率的生物标记物，这两个因素是独立的，并且都是肿瘤免疫原性测定所必需的，所以作者将其结合起来形成新的评分。
3.在验证集中比较TIGS和其他评分的效果。
首先作者通过画出ROC曲线比较TIGS评分和其他评分的一个ROC曲线，可以直观的看出TIGS评分效果稳定，相对于其他的来说都有不错的一个优势。
为了直观看到的预后效果，作者同时作了生存分析，通过生存分析的图可以看出，结合了TMB和APS的TIGS有着更好的效果。
因此，作者提出的TIGS评分具有独特的免疫原性的模式，并可能在ICI中获益更多，比如使用构造的线性公式，我们可以预测（中等）TIGS可用的肿瘤类型的ORR。
小结本文基于TMB和APS评分提出了新的评分TIGS，可以清楚的看出是预后一个明显的标志物。评分模型也可以作为评价患者免疫治疗疗效的好坏。同时在三个独立的外部验证集中得到了验证，并可能为医生更准确地为患者选择最佳的治疗方案。
预览时标签不可点