机器学习+单细胞测序+动物模型揭示泛癌中APOE+巨噬细胞与CD8+耗竭T细胞之间的相互作用

文章预览

本文将重点解释： 1. 如何通过机器学习方法寻找应答响应的重要细胞亚群 - APOE+ 巨噬细胞 。 2. 如何通过细胞亚群寻找和应答相关的 CD8+ 耗竭 T 细胞 的关系 。 免疫检查点抑制剂 (ICIs) 越来越成为癌症治疗策略的支柱。先前的研究已经证明了它对多种癌症的疗效，包括肺癌、黑色素瘤和胃肠道癌症。然而，除了发生一些临床副作用外，有限的应答率是阻碍免疫治疗广泛临床应用的一个重要障碍。这就促进了通过生物标志物研究来预测免疫治疗的反应发展，以此优化治疗组合对抗免疫耐药性。传统的生物标志物研究主要集中于肿瘤组织的全外显子组测序 (WES) 或 RNA 测序 (RNA-seq) ，而这些方法仅反映了肿瘤的平均遗传谱，如细胞程控死亡配体 1 (PD-L1) 的表达、微卫星不稳定性 (MSI) 和肿瘤突变负荷 (TMB) 。随着单细胞 RNA 测序 (scRNAseq) 的出现，有多种 ………………………………