使用机器学习模型从肠道微生物群预测癌症免疫治疗反应

“研究结果表明，机器学习模型可以揭示微生物群-免疫疗法的相互作用，最终可能改善癌症患者的预后。”

纽约州布法罗- 2022年7月19日-一篇新的研究论文于2022年7月19日发表在Oncotarget杂志上，题为“使用机器学习模型预测肠道微生物群的癌症免疫治疗反应”。

“在过去的十年中，使用靶向免疫检查点抑制剂(ICIs)的癌症免疫疗法来促进T细胞介导的癌细胞清除，显著提高了癌症患者的生存率[1]。”

癌症免疫治疗显著提高了患者的生存率。然而，一半的患者对免疫疗法没有反应。肠道微生物群与黑色素瘤患者对免疫疗法的临床反应性有关;然而，不同的类群与反应状态相关，涉及的类群在研究之间不一致。

在这项新研究中，由梁海、Jay-Hyun Jo、张志伟、Margaret A. MacGibeny、junmin Han、Diana M. proctor、Monica E. Taylor、You Che、paul Juneau、Andrea B. Apolo、John A. McCulloch、Diwakar Davar、Hassane M. Zarour、Amiran K. Dzutsev、Isaac Brownell、Giorgio Trinchieri、James L. Gulley和Heidi H. Kong来自美国国立卫生研究院图书馆、国家癌症研究所、国家人类基因组研究所、西弗吉尼亚大学齐默曼联合公司。在匹兹堡大学，研究人员使用一种肿瘤不可知论的方法，在不同的晚期癌症的免疫治疗患者中，发现了共同的肠道微生物组的反应特征。

“使用合并的数据集，我们使用机器学习算法训练和验证模型，以预测患者的临床反应，然后使用散弹枪宏基因组测序数据进行交叉测序平台验证。”

一项对来自混合肿瘤队列的16S rRNA基因测序数据和来自不同黑色素瘤患者队列的三组已发表的免疫治疗肠道微生物组数据的合并荟萃分析发现，无论肿瘤类型如何，某些肠道细菌类群与免疫治疗反应状态相关。

通过多变量selbal分析，研究人员确定了有应答和无应答的两组细菌属。肠道微生物群落特征统计模型在扩增子测序数据集和散弹枪宏基因组交叉测序平台验证中显示了免疫治疗反应的稳健预测准确性。

结果表明，基线肠道微生物组特征可能是肿瘤患者接受免疫治疗的临床结果的预测因素，其中一些特征可能适用于不同的肿瘤类型、患者队列和测序平台。研究结果表明，机器学习模型可以揭示微生物群-免疫疗法的相互作用，最终可能改善癌症患者的预后。

“总之，我们的队列和联合微生物组数据集的分析为免疫治疗患者的肠道微生物组提供了一个可靠的评估。可靠模型的发展为区分和预测免疫治疗应答者和无应答者提供了额外的机会。然而，关键微生物类群与宿主免疫之间的相互作用仍有待阐明。最终，这项研究将有助于识别微生物生物标志物或新的治疗靶点，以提高免疫治疗结果和癌症患者的总体生存率。”