使用机器学习模型预测肠道微生物组的癌症免疫治疗反应

一篇新的研究论文发表在Oncotarget2022年7月19日，题为“使用机器学习模型预测肠道微生物组的癌症免疫治疗反应”。

癌症免疫疗法显著提高了患者存活率。然而，有一半的患者对免疫疗法没有反应。肠道微生物组与黑色素瘤患者对免疫疗法的临床反应有关;然而，不同的分类群与反应状态有关，研究中涉及的分类群不一致。

在这项新研究中，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、齐默尔曼联合公司和匹兹堡大学的Hai Liang及其同事使用了一种肿瘤不确定的方法来寻找不同晚期癌症免疫治疗患者的共同肠道微生物组反应特征。

研究小组解释说:“使用组合数据集，我们用机器学习算法训练和验证模型，以预测患者的临床反应，然后使用霰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个已发表的免疫治疗肠道微生物组数据集的综合荟萃分析发现，无论肿瘤类型如何，某些肠道细菌分类群与免疫治疗反应状态相关。

通过多变量selbal分析，研究人员确定了两组与应答者和无应答者相关的细菌属。肠道微生物群落特征的统计模型在扩增子测序数据集和霰弹枪宏基因组数据集的交叉测序平台验证中显示出对免疫治疗反应的强大预测准确性。

结果表明，基线肠道微生物组特征可以预测肿瘤患者接受免疫治疗的临床结果，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组与免疫疗法的相互作用，最终可能改善癌症病人的结果。

“总之，对我们的队列和微生物组数据集的分析为免疫治疗患者提供了一个强有力的评估。肠道微生物组。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，这项研究将有助于确定微生物生物标志物或新的治疗靶点，以改善免疫治疗结果和癌症患者的总体生存率，”研究人员说。

---

---