小罗碎碎念
文献速递｜目录
一、胆道癌治疗应答的新型AI生物标志物：肿瘤浸润性淋巴细胞的空间分布
- 补充文献：22年发表于JCO的一篇类似文献
二、生物标志物在肝细胞癌管理中的作用：从发现到临床应用
三、肿瘤样本中免疫细胞浸润水平解卷积方法的社区评估
- 补充：何为"Community assessment"
- 补充：何为“bulk gene expression”
四、基于放射基因组学的胶质瘤分子特征及免疫微环境研究
一、胆道癌治疗应答的新型AI生物标志物：肿瘤浸润性淋巴细胞的空间分布
这篇文章通过人工智能技术对胆道癌患者的肿瘤浸润性淋巴细胞进行空间分析，发现特定的免疫表型与抗PD-1治疗的疗效显著相关。
一作&通讯
| 作者类型 | 作者姓名 | 单位名称（中文） |
|---|---|---|
| 第一作者 | Yeong Hak Bang | 首尔大学医学院 阿桑医学中心 韩国 |
| 第一作者 | Choong-kun Lee | 延世大学医学院 延世癌症中心 韩国 |
| 通讯作者 | Changhoon Yoo | 首尔大学医学院 阿桑医学中心 韩国 |
| 通讯作者 | Jinho Shin | 首尔大学医学院 阿桑医学中心 韩国 |
这篇研究的主要目的是评估肿瘤浸润性淋巴细胞（TILs）在预测胆道癌（BTC）患者接受抗PD-1治疗的效果方面的潜力。
研究使用了来自339名接受抗PD-1治疗的晚期BTC患者的预处理H&E染色全切片图像，通过人工智能驱动的免疫表型（AI-IP）分析，将患者分为三种免疫表型：
- 炎症型（高肿瘤内TIL）
- 免疫排除型（低肿瘤内TIL和高基质TIL）
- 免疫荒漠型（总体TIL低）
补充文献
下面这篇22年发表的JCO，和上面的套路很像，感兴趣可以去看看。
研究发现，炎症型IP组的患者相较于非炎症型IP组（免疫排除型和免疫荒漠型）有更高的总体反应率、更长的中位总生存期和无进展生存期。
此外，研究还利用癌症基因组图谱（TCGA）的BTC队列数据，评估了不同AI-IPs在BTC中的转录组和突变特征。结果显示，炎症型IP组显示出增加的细胞毒性活性得分和干扰素-γ特征。
研究的结论是，基于空间TIL分析的AI驱动的IP在预测接受抗PD-1治疗的BTC患者的疗效结果方面是有效的。研究还指出，需要在抗PD-1/L1联合吉西他滨-顺铂治疗的背景下进一步验证这些发现。
这项研究的重要性在于，它可能有助于识别那些最有可能从免疫检查点抑制剂治疗中受益的BTC患者群体，从而为个性化治疗提供依据。
二、生物标志物在肝细胞癌管理中的作用：从发现到临床应用
这篇文章综述了肝细胞癌（HCC）生物标志物的发现及其在个性化治疗和预后评估中的应用进展。
一作&通讯
| 作者姓名 | 单位名称（中文） | 单位地址（中文） |
|---|---|---|
| Baofa Yu | 泰安市岱岳区泰美保法肿瘤医院 | 山东省泰安市岱岳区 |
| 济南保法肿瘤医院 | 山东省济南市 | |
| 北京保法肿瘤医院 | 北京市 | |
| Immune Oncology Systems, Inc | 圣地亚哥，加利福尼亚州，美国 | |
| Wenxue Ma | 加州大学圣地亚哥分校医学院 | 加州大学圣地亚哥分校，拉荷亚，加利福尼亚州，美国 |
补充：作者
这个作者单位蛮有意思，于是乎我就去搜了一下。
这篇文章是一篇关于肝细胞癌（Hepatocellular carcinoma, HCC）生物标志物发现的综述，旨在探讨个性化治疗和预后改善。
文章的主要内容包括：
-
引言：介绍了肝细胞癌的全基因组健康问题，以及生物标志物在早期检测、精确诊断和个性化治疗中的重要性。
-
HCC治疗现状：讨论了包括手术切除、肝移植、局部治疗和系统治疗在内的现有治疗方法，以及它们的优势和局限性。
-
HCC中的生物标志物：详细讨论了如甲胎蛋白（AFP）、Glypican-3（GPC3）和Des-γ-羧基凝血酶原（DCP）等关键生物标志物在HCC诊断、预后和治疗决策中的作用。
-
生物标志物发现的进展：探讨了基因组学、蛋白质组学和免疫学方法在HCC生物标志物发现中的应用，以及液体活检技术在HCC管理中的重要性。
-
临床应用和意义：讨论了生物标志物在个性化治疗策略、早期检测和治疗评估中的应用。
-
挑战和未来方向：分析了生物标志物验证、标准化和临床整合的挑战，以及新兴技术如单细胞测序和机器学习在未来研究中的潜力。
-
结论：总结了生物标志物在HCC管理中的重要作用，并强调了继续研究和投资以充分发挥其潜力的必要性。
文章还提到了一些具体的生物标志物，如AFP、GPC3和DCP，以及它们在HCC诊断和治疗中的应用。此外，还强调了液体活检技术在早期诊断和治疗监测中的价值，以及免疫生物标志物在指导免疫治疗决策中的重要性。
作者还讨论了生物标志物研究中的挑战，包括验证和标准化的需要、临床整合的障碍，以及如何利用新兴技术来克服这些挑战。最后，文章强调了跨学科合作在推进HCC治疗和改善患者预后中的重要性。
三、肿瘤样本中免疫细胞浸润水平解卷积方法的社区评估
这篇文章通过社区挑战的方式，评估了多种方法在从肿瘤样本的批量基因表达数据中推断免疫细胞浸润水平的准确性和适用性。
一作&通讯
| 作者角色 | 作者姓名 | 单位名称（英文） | 单位名称（中文） |
|---|---|---|---|
| 第一作者 | Brian S. White | The Jackson Laboratory for Genomic Medicine | 杰克逊基因组医学实验室 |
| 通讯作者 | Andrew J. Gentles | Department of Pathology, Stanford University | 斯坦福大学病理学系 |
补充：何为"Community assessment"
“Community assessment” 在这篇文章的语境中指的是一种由研究社区成员共同参与的评估活动。
具体来说，它涉及以下几个方面：
-
集体参与：来自不同研究机构、大学和组织的科学家和研究者共同参与，对特定的科学问题或方法进行评估。
-
协作性质：这种评估通常需要多方协作，包括数据的共享、方法的开发、实验的设计以及结果的分析等。
-
目标明确：在这篇文章中，“community assessment” 的目标是评估不同的计算方法在从肿瘤样本的批量基因表达数据中推断免疫细胞浸润水平的有效性。
-
DREAM Challenge：这是一种特定的社区评估形式，通过组织挑战（Challenge）来激发创新、促进方法的开发和改进，并提供一个公平比较不同方法的平台。
-
科学进步：通过这种评估，可以推动科学方法的发展，提高研究的准确性和可靠性，从而促进整个研究领域的进步。
在这篇文章中，“community assessment” 通过组织一个名为 “Tumor Deconvolution DREAM Challenge” 的活动，让不同的研究团队提交他们的方法，然后使用统一的数据集和标准来评估这些方法的性能，最终目的是提高从基因表达数据中推断细胞组成的准确性。
补充：何为“bulk gene expression”
“Bulk gene expression”（批量基因表达）是指对细胞或组织样本中的全部RNA进行分析，以测量其中基因表达水平的技术。这种方法与单细胞基因表达分析不同，后者可以揭示单个细胞中基因表达的异质性。
以下是“bulk gene expression”分析的一些关键特点：
-
样本混合：在批量基因表达分析中，成千上万的细胞被混合在一起，然后提取总RNA进行分析。这使得研究者能够获得细胞群体的平均基因表达信息。
-
技术应用：常用的技术包括微阵列（microarrays）和RNA测序（RNA-seq），这些技术可以测量样本中成千上万个基因的表达水平。
-
数据解释：由于数据来自混合的细胞群体，因此无法直接识别特定细胞类型的独特表达模式。为了从这些数据中推断出不同细胞类型的贡献，需要使用计算“解卷积”方法。
-
成本效益：与单细胞技术相比，批量基因表达分析通常成本较低，且对样本的要求不那么严格，使得它可以应用于大量的样本。
-
历史数据：许多现有的基因表达数据库，如癌症基因组图谱（The Cancer Genome Atlas, TCGA）和基因表达综合数据库（Gene Expression Omnibus, GEO），包含大量的批量基因表达数据，这些数据对于研究疾病的分子机制非常有价值。
-
局限性：由于细胞类型的混合，批量基因表达数据可能会掩盖稀有细胞类型的表达特征，也难以揭示细胞间的异质性。
在肿瘤学研究中，了解肿瘤微环境中不同细胞类型的基因表达对于揭示疾病的进展、预测治疗反应以及开发新的治疗策略至关重要。因此，尽管单细胞技术提供了更高分辨率的数据，但批量基因表达分析仍然是一个重要的工具，尤其是在结合计算解卷积方法时。
这篇文章是关于一项名为“Tumor Deconvolution DREAM Challenge”的社区评估项目，该项目旨在评估从肿瘤样本的批量基因表达数据中推断免疫细胞浸润水平的方法。研究由Brian S. White和其他合作者进行，他们通过社区挑战的方式，评估了六种已发表的方法和22种社区贡献的方法。这些方法使用了混合的癌症和健康免疫细胞的体外和模拟转录档案来评估。
研究发现，尽管一些已发表的方法能够很好地预测大多数细胞类型，但它们在评估所有功能性CD8+ T细胞状态时要么未经训练，要么准确性较低。一些社区贡献的方法填补了这一空白，包括一种基于深度学习的方法，其出色的表现证明了这种范式在解卷积中的适用性。尽管这些解卷积方法主要是使用来自健康组织的免疫细胞开发的，但它们也能很好地预测肿瘤衍生的免疫细胞水平。
研究还发现，尽管面临诸如功能性CD4+ T细胞状态的敏感识别等共同挑战，但这些方法在预测特定细胞类型时仍具有普遍困难。
文章还讨论了肿瘤微环境中免疫细胞的重要性，以及它们在疾病进展、患者生存和治疗反应中的关键作用。此外，文章还提到了单细胞测序、成像和定量平台可以直接表征肿瘤微环境，但由于成本、设备要求、样本制备困难和细胞分离过程中的偏差等问题，批量组织转录组测量仍然是研究的重点。
最后，文章强调了社区评估的重要性，并指出通过这种评估可以促进新方法的开发，同时提供了一个资源，用于开发和训练解卷积方法，特别是在量化免疫和基质细胞方面感兴趣的背景下。
四、基于放射基因组学的胶质瘤分子特征及免疫微环境研究
这篇文章通过放射基因组分析技术研究了胶质瘤中全基因组DNA甲基化与分子表型及免疫特征的关联，并开发了相应的预测模型。
一作&通讯
| 作者角色 | 作者姓名 | 单位名称（中文） |
|---|---|---|
| 第一作者 | Zhuokai Zhuang | 中山大学附属第六医院，广东省胃肠病研究所，广东省结直肠盆底疾病重点实验室，中山六院生物医学创新中心，教育部人体微生物组与慢性疾病重点实验室（中山大学） |
| 通讯作者 | Huichuan Yu | 中山大学附属第六医院，广东省胃肠病研究所，广东省结直肠盆底疾病重点实验室，中山六院生物医学创新中心，教育部人体微生物组与慢性疾病重点实验室（中山大学） |
研究的主要内容是利用放射基因组分析技术，研究胶质瘤（一种脑肿瘤）的全基因组 DNA 甲基化与分子表型和免疫特征之间的关联。
研究背景：
- 放射基因组分析为胶质瘤提供了有价值的影像生物标志物和生物学见解。
- 研究目的是揭示与分子特征（如 DNA 甲基化）相关的放射基因组标记，以协助分子诊断和肿瘤治疗。
研究方法：
- 研究者使用机器学习方法，分析了146名胶质瘤患者的磁共振成像（MRI）特征与分子特征的关联。
- 开发了针对每个分子特征的模型（称为 MoRad），并进行了验证。
- 为了提供分子特征的放射学注释，研究者设计了两种新方法：放射组学肿瘤学（RO）和放射组学集富集分析（RSEA）。
研究结果：
- MoRad 模型能够很好地使用放射组学特征对每个分子特征进行分析，包括突变、甲基化、转录和蛋白质特征。
- 在这些分子特征中，MoRad 模型在定量映射全基因组 DNA 甲基化方面表现出色。
- 通过 RO 和 RSEA 方法，研究发现全基因组 DNA 甲基化可以通过 T2 加权 MRI 中增强区域的异质性和纹理特征反映出来。
- 研究还展示了全基因组 DNA 甲基化与临床病理、分子和免疫特征的关联，包括组织学等级、IDH 和 ATRX 突变、MGMT 甲基化、多种甲基化高亚型、肿瘤浸润性淋巴细胞和长期生存结果。
结论：
- 全基因组 DNA 甲基化与胶质瘤的放射学特征高度相关。
- 放射基因组全基因组甲基化是一种基于影像的定量分子生物标志物，与特定的共识分子亚型和免疫特征相关联。
文章还详细描述了研究的统计分析方法、数据来源、患者选择标准、分子和免疫学特征的计算方法、全基因组 DNA 甲基化的分析方法、放射组学特征的提取方法、放射基因组标记到分子特征的映射框架、RO 和 RSEA 的应用，以及研究的局限性和未来方向。
