吴息凤教授团队在Journal for ImmunoTherapy of Cancer上发文揭示T细胞癌免疫应答相关基因与早期肺癌T细胞表型和临床结局的遗传相关性

吴息凤教授在《Journal for ImmunoTherapy of Cancer》上发表题为“Genetic associations of T cell cancer immune response-related genes with T cell phenotypes and clinical outcomes of early-stage lung cancer”的研究。该研究于2020年8月发表，研究揭示了T细胞癌免疫应答相关基因与早期肺癌T细胞表型和临床结局的遗传相关性。T细胞相关免疫治疗的最新进展显著促进了非小细胞肺癌（NSCLC）的治疗。然而，T细胞癌免疫应答基因的遗传变异是否以及如何影响非小细胞肺癌患者的临床结局仍不清楚。为此，本研究评估了941例早期NSCLC患者（发现集n=536；验证集n=405）中280个T细胞癌免疫应答相关基因的2450个单核苷酸多态性（SNPs），以分析其与预后的关联，并观察其对T细胞表型的影响。研究发现，在发现集和验证集中位于10个基因的14个SNP与NSCLC的预后显著相关（p<0.05）。其中，TRB:rs1964986是荟萃分析后与复发风险最相关的变异（HR 1.84，95%CI 1.35 - 2.52，p=1.15E-04），而IDO1:rs10108662是与死亡风险最相关的SNP（HR 1.87，95%CI 1.40 - 2.51，p=2.17E-05）。多个不良基因型对死亡和复发风险具有累积影响。在单纯手术组和手术加化疗亚组中，七种治疗特异性变体在两个亚组中与预后的关联方向相反。表达量性状基因座分析表明，6个SNP与其相应的基因表达显著相关。用SNP定义的高危患者的T细胞脱颗粒减少（p=0.02），对癌细胞的细胞毒性降低（p<0.01）。基因表达谱显示高危受试者IDO1表达增加，IL2、PRF和GZMB表达降低。本研究揭示T细胞癌免疫应答途径的基因变异可影响预后，并可作为早期NSCLC患者治疗效果的预测因子。免疫基因型与T细胞抗肿瘤免疫之间的相关性表明宿主免疫遗传学与NSCLC预后之间存在生物学联系。 图1. 不利基因型(UFGs)在体外T细胞癌免疫应答和T细胞脱颗粒中的作用

李雪研究团队在British Journal of cancer上在线发表题为“A systematic review of microbial markers for risk prediction of colorectal neoplasia”的研究论文

大量证据表明，肠道微生物群落失调与结直肠肿瘤相关，该因素可能导致肠道慢性代谢及炎症改变，进而影响肿瘤发展。为了系统地评价微生物标志物与结直肠肿瘤风险的关联，本课题组研究人员开展了一项系统综述。通过检索MEDLINE和EMBASE医学数据库，本研究共纳入了45项探索微生物标志物与结直肠肿瘤关联的观察性研究及30项基于微生物标志物预测结直肠肿瘤风险的预测模型研究。图1 预测模型的相对预测水平(按研究样本量大小排序)研究结果表明，9种粪便菌群（梭杆菌属、肠球菌属、卟啉单胞菌属、沙门氏菌属、假单胞菌属、胃链球菌属、放线菌属、双歧杆菌属和玫瑰菌属），2种口腔病原体（密螺旋体、中间普雷沃氏菌）和溶胆链球菌亚种的血清抗体水平被多项研究一致报道与结直肠肿瘤发生发展相关。基于肠道微生物标志物的结直肠肿瘤风险预测模型具有较好的预测力（曲线下面积AUROC>0.75），但仍需要样本量更大的外部研究人群加以重复验证。肠道菌群与结直肠肿瘤的关系是当下研究的一大热点。本课题组研究人员利用系统综述的循证医学研究方法，全面系统地梳理了粪便、口腔和血液微生物与结直肠癌风险的关联，并评价了不同基于微生物标志物的结直肠肿瘤风险预测模型的效果。研究结果提示某些菌种与结直肠肿瘤风险密切相关，尤其是梭杆菌属细菌，有望成为结直肠肿瘤的早期筛查指标。但由于现有研究的异质性、样本量和研究设计的局限性，微生物标志物与结直肠肿瘤风险的关联及其对于结直肠肿瘤的预测力仍需进一步探讨。原文链接：https://www.ncbi.nlm.nih.gov/pmc/articles/PMC9042911/

杨杰研究员在JAMA Network Open发文介绍利用自然语言处理技术评估黑色素瘤患者肿瘤浸润淋巴细胞预后意义

2021年9月22日，我院杨杰研究员在JAMA Network Open杂志上在线发表题为“Assessing the Prognostic Significance of Tumor-Infiltrating Lymphocytes in Patients With Melanoma Using Pathologic Features Identified by Natural Language Processing”的研究论文。该论文在哈佛医学院附属Brigham and Women’s Hospital 2004至2019年的皮肤癌患者的病理学报告中（1.4万人共2.2万份病理学报告），利用自然语言处理技术自动构建黑色素瘤患者病理结果数据库，经过过滤筛选得到2624名规模庞大的有效患者（比先前相关研究最大样本要高出约一倍），并在此数据库的基础上证实了Brisk的TILs 是一个黑色素瘤患者的独立的预后风险因素。杨杰研究员是本文的第一作者，哈佛大学医学院副教授Li Zhou是本文的通讯作者。本研究利用自然语言处理和机器学习技术，自动化地从海量电子病历中挖掘并且构建大规模的患者数据库，并在此基础上进行了经典的患者预后因素分析。本研究为人工智能辅助医学研究探索了一条新的研究路线。  原文链接：https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2784429 图1. 不同TILs 状态下黑色素瘤患者生存曲线