免疫檢查點(diǎn)阻斷已經(jīng)徹底改變了癌癥治療，臨床實(shí)驗(yàn)數(shù)據(jù)表明PD-1、PD-L1抗體的免疫治療可以有效應(yīng)對(duì)轉(zhuǎn)移性黑色素瘤和多種其他類型的癌癥。盡管無(wú)進(jìn)展生存期顯著增加，臨床治療結(jié)果也呈現(xiàn)很大的個(gè)體差異，只有一小部分患者對(duì)藥物表現(xiàn)出持久的反應(yīng)，大部分患者并未顯示持久的反應(yīng)。因此，找到一些預(yù)測(cè)臨床預(yù)后的Bio-Marker，以便在開(kāi)始治療之前區(qū)分應(yīng)答者(Responder)與無(wú)應(yīng)答者(Nonresponder)是十分緊迫的。

2018年年初，瑞士蘇黎世大學(xué)的研究人員在《Nature Medicine》雜志上發(fā)表了其在該領(lǐng)域的最新研究成果。他們發(fā)現(xiàn)，病人外周血PBMC中具有CD14+CD16?HLA-DRhi表型的經(jīng)典單核細(xì)胞比例可以作為預(yù)測(cè)病人對(duì)PD-1藥物反應(yīng)性的Bio-Marker。

在這項(xiàng)研究中，科研人員選擇了20個(gè)黑色素瘤病人在治療前后的PBMC樣本做為研究對(duì)象。為了對(duì)細(xì)胞的表型和功能進(jìn)行系統(tǒng)深入的分析，他們利用質(zhì)譜流式技術(shù)(Mass Cytometry)對(duì)樣本進(jìn)行高維單細(xì)胞分析。

A Workflow of “Data Driven Research”

質(zhì)譜流式技術(shù)是近年來(lái)興起的單細(xì)胞多參數(shù)分析技術(shù)，利用帶有金屬元素標(biāo)簽的抗體對(duì)細(xì)胞進(jìn)行標(biāo)記，然后利用質(zhì)譜對(duì)單細(xì)胞上的標(biāo)簽元素進(jìn)行檢測(cè)，從原理上避免了傳統(tǒng)流式技術(shù)所面臨的熒光串色、自發(fā)熒光等問(wèn)題。

出于研究工作的需要，研究人員一共使用了三個(gè)不同的抗體組合(Panel)對(duì)樣本進(jìn)行分析。第一個(gè)Panel包含30個(gè)白細(xì)胞Marker，可以識(shí)別外周血中所有主要免疫細(xì)胞亞群以及T細(xì)胞分化激活的各個(gè)階段；第二個(gè)Panel主要是對(duì)T細(xì)胞表型和功能的細(xì)致分析，包含了T細(xì)胞相關(guān)的表面Marker以及各種相關(guān)的Cytokine；第三個(gè)Panel則主要針對(duì)髓系細(xì)胞，用來(lái)對(duì)髓系細(xì)胞進(jìn)行更深入的亞群分析。三個(gè)Panel的共同使用從不同角度全方位展示了外周血PBMC樣本中各類細(xì)胞亞群的表型和功能，以及其在不同分組(Responder和Nonresponder)或者治療前后的差異。

毫無(wú)疑問(wèn)，質(zhì)譜流式高維檢測(cè)的特性使其能夠從有限的樣本獲得規(guī)模龐大的數(shù)據(jù)，這種能力對(duì)于 Biomarker的尋找是非常有幫助的。而從這些數(shù)據(jù)中找出我們所需要的“Biomarker”，則需要一套行之有效的數(shù)據(jù)分析方法和流程。

這項(xiàng)研究的目的是尋找預(yù)測(cè)PD-1抗體治療預(yù)后的生物標(biāo)志物，因此需要找出Responser 和 Nonresponder病人在治療前的樣本中的特征性差異。為了解決這個(gè)問(wèn)題，作者采用了多種手段進(jìn)行了數(shù)據(jù)挖掘。

在以往的質(zhì)譜流式相關(guān)研究中，一個(gè)經(jīng)典的數(shù)據(jù)分析流程被廣泛采用：先用手工Gate或者聚類的方法將樣本細(xì)分為若干亞群，然后利用統(tǒng)計(jì)學(xué)方法尋找和檢查這些細(xì)胞亞群在比例、Marker表達(dá)強(qiáng)度等方面在不同分組之間的差異。

作者通過(guò)FlowSOM對(duì)細(xì)胞進(jìn)行的聚類分析結(jié)果

所有亞群展示在viSNE圖上

事實(shí)證明，這套流程行之有效。作者通過(guò)FlowSOM算法對(duì)樣本進(jìn)行多輪聚類分析，然后對(duì)兩組樣本所包含的各個(gè)亞群比例進(jìn)行對(duì)比統(tǒng)計(jì)分析。結(jié)果表明，具有CD14+CD16?HLA-DRhi表型的經(jīng)典單核細(xì)胞亞群比例在Responder中明顯高于Nonresponder樣本。

除了這種經(jīng)典的分析方法，隨著人工智能(Artificial Intelligent)時(shí)代的到來(lái)，一些新興的機(jī)器學(xué)習(xí)算法也正在越來(lái)越多的被應(yīng)用于質(zhì)譜流式數(shù)據(jù)的分析，Cellcnn就是一個(gè)例子。Cellcnn是一種基于卷積神經(jīng)網(wǎng)絡(luò)的分析方法，通過(guò)機(jī)器學(xué)習(xí)自動(dòng)獲得能夠顯著區(qū)分兩組樣本的Marker組合。這是一種Data driven research方式進(jìn)行的數(shù)據(jù)分析，盡量減少數(shù)據(jù)分析過(guò)程中的人工干預(yù)，其所得出的Marker組合不需要和已知亞群的表型一致，這也排除了人為主觀因素對(duì)于數(shù)據(jù)分析結(jié)果的影響。

借助Cellcnn方法，研究人員對(duì)治療前的兩組樣本數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)了一個(gè)髓系亞群在Responder中的比例為4.8% ± 2.0%，而Nonreponder樣本中的比例為2.4% ± 1.5%，兩者在統(tǒng)計(jì)學(xué)上具有顯著差異。而這個(gè)髓系的亞群屬于單核細(xì)胞，其核心表型為：CD14+CD33+HLA-DRhi ICAM1+CD64+CD141+CD86 +CD11c+CD38+PD-L1+CD11b+，viSNE圖上的疊加對(duì)比表明，該亞群與前面經(jīng)典方法篩到的亞群具有相當(dāng)?shù)囊恢滦?#xff0c;這也顯示了Cellcnn這一方法的有效性。

圓圈標(biāo)記的是通過(guò)Cellcnn機(jī)器學(xué)習(xí)算法找到的可以區(qū)分

Nonresponder組和Responder組的特征性亞群

當(dāng)然， Cellcnn只是人工智能在質(zhì)譜流式數(shù)據(jù)分析方面的牛刀小試，可以肯定，在未來(lái)更多基于人工智能的分析方法會(huì)應(yīng)用于質(zhì)譜流式數(shù)據(jù)的分析，成為深度數(shù)據(jù)挖掘、臨床Bio-Marker的尋找、甚至解決一些基礎(chǔ)科學(xué)問(wèn)題的有力工具；另一方面，人工智能的廣泛和深度應(yīng)用將進(jìn)一步降低數(shù)據(jù)分析的門檻，這對(duì)于質(zhì)譜流式技術(shù)的普及和對(duì)質(zhì)譜流式數(shù)據(jù)的充分利用有著巨大的推動(dòng)作用，可謂影響深遠(yuǎn)。

利用傳統(tǒng)流式對(duì)新發(fā)現(xiàn)的BioMarker的臨床驗(yàn)證

為了將質(zhì)譜流式尋找到的Bio-Marker應(yīng)用于臨床，研究人員減少較少原來(lái)Panel中的Marker數(shù)量以便使用傳統(tǒng)熒光流式進(jìn)行驗(yàn)證。通過(guò)對(duì)來(lái)自另外31名患有黑素瘤的患者治療前的PBMC進(jìn)行了盲測(cè)。這組病人中包含15個(gè)應(yīng)答者(Responder)和16個(gè)無(wú)應(yīng)答者(Nonresponder)，傳統(tǒng)流式結(jié)果確認(rèn)了在兩組病人中CD14+CD16?HLA-DRhi的亞群比例存在顯著差異。根據(jù)模型研究人員確定了19.38%做為最佳的判斷閾值，即當(dāng)這一亞群的比例大于19.38%時(shí)，推薦對(duì)病人使用抗體PD-1抗體治療方案。這些結(jié)果顯示出該研究光明的應(yīng)用前景。

Reference：

1、High-dimensional single-cell analysis predicts response to anti-PD-1 immunotherapy. Krieg C etc., Nat Med. 2018 Feb;24(2):144-153.

2、CyTOF workflow: differential discovery in high-throughput high-dimensional cytometry datasets. Nowicka M ect., F1000research.11622.2. eCollection 2017.

總結(jié)

以上是生活随笔為你收集整理的数据挖掘肿瘤预测_Nature Medicine封面文章：利用单核细胞数量预测及评估肿瘤免疫治疗效果...的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。