Development and Validation of a Machine Learning–Based Cell Death– Immune Prognostic Model for Risk Stratification in Diffuse Large B-cell Lymphoma
本研究开发并验证了一种基于 16 个基因的机器学习细胞死亡-免疫预后评分（CDIS），用于弥漫性大 B 细胞淋巴瘤的风险分层，揭示了高评分与由 M2 型巨噬细胞信号传导驱动且免疫原性细胞死亡受抑制的免疫冷微环境相关。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
癌症通常被理解为一种失控性增长的疾病，但在人体复杂的生态系统中，细胞死亡的方式与它们如何增殖同样至关重要。当一个细胞受损或发生癌变时，身体拥有一套特定的、程序化的方式来消除它。其中一些死亡途径之所以特别重要，是因为在细胞分解的过程中，它们会发出警报以唤醒免疫系统，从而训练免疫系统去猎杀其他癌细胞。这一过程被称为免疫原性细胞死亡。然而，癌细胞可以学会如何让这些警报沉默，或者切换到一种更安静、更不易被察觉的死亡方式，从而让免疫系统忽略它们。在弥漫性大 B 细胞淋巴瘤（一种常见且具有侵略性的血液癌症）中，患者对标准治疗的反应差异巨大。有些人被治愈了，而另一些人的病情则会复发。这种差异表明，肿瘤的环境——即围绕癌症的免疫细胞和信号的混合物——是决定患者能否生存的关键因素。了解癌症如何与周围这些细胞相互作用，以及它如何操纵人体自身的死亡信号，可能是预测谁预后良好以及谁需要更积极治疗的关键。
一个研究团队致力于通过结合大规模遗传数据与先进的计算机建模，来绘制弥漫性大 B 细胞淋巴瘤中这一隐藏的景观。他们首先收集了数百名患者和健康个体的遗传信息，以寻找同时参与免疫系统和各种细胞死亡方式的基因。他们识别出了 159 个作为这两个世界桥梁的特定基因。利用这些基因，他们开发了一种新的评分系统，称之为“细胞死亡-免疫评分”。这个评分就像是一个生物温度计，用于测量肿瘤环境的状态。为了构建尽可能准确的温度计，研究人员测试了 101 种不同的计算机算法组合，最终确定了一个使用 16 个特定基因来计算评分的模型。随后，他们在几个独立的患者组中测试了该模型，以确保其可靠性，而不仅仅是在用于构建模型的原始数据上有效。
结果揭示了高分患者与低分患者之间的清晰界限。高分患者的预后要差得多，生存时间显著缩短。分析显示，这些高风险肿瘤的特征是“冷”免疫环境。在这种状态下，人体的自然警报系统失效了；那些通常在细胞死亡时触发强烈免疫反应的特定通路被关闭了。这些肿瘤并非充满了活跃的抗癌免疫细胞，而是由另一种类型的免疫细胞主导：M2 型巨噬细胞。巨噬细胞是一种白细胞，根据接收到的指令，它们既可以对抗癌症，也可以帮助癌症生长。在这些高风险患者体内，巨噬细胞已被重新编程，转而保护癌症而非摧毁它。它们建立了一道屏蔽层，抑制了免疫系统并帮助癌细胞生存。
通过深入研究单细胞水平，研究人员发现了这种保护机制究竟是如何运作的。他们发现，这些保护性巨噬细胞正在向癌细胞发送持续的生存信号。具体而言，巨噬细胞释放了两种被称为 BAFF 和 APRIL 的蛋白质，它们就像是癌细胞的生命线。这些蛋白质锁定了癌细胞表面的受体，告诉它们保持存活并忽略身体试图杀死它们的尝试。研究还进一步追溯了这一问题的起源，表明一种特定类型的 T 细胞可能在无意中协助创造了这些保护性巨噬细胞。这形成了一个恶性循环：免疫系统非但没有攻击癌症，反而被诱导去为癌症建造一座堡垒。
为了观察这一发现是否能转化为新的疗法，研究人员利用计算机模拟测试了不同药物如何与这一生存系统相互作用。他们发现，某些现有药物（包括一种名为他莫昔芬的药物）表现出极强的能力，能够与癌细胞用来接收生存信号的受体结合。虽然研究人员强调这些发现是基于计算机模型且需要现实世界的测试，但结果为治疗提供了一条新途径。研究提出，对于高风险肿瘤患者，仅仅杀死癌细胞可能是不够的；治疗可能需要包括阻断来自巨噬细胞的生存信号，或者重新编程免疫系统以停止保护肿瘤的药物。通过识别这种免疫系统与癌症之间的特定相互作用，研究人员为预测风险人群以及为打破免疫逃逸循环提供潜在的治疗靶点提供了新方法。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。