利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的存活率。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免疫治疗的临床反应性有关;然而，不同的类群与反应状态相关，不同的研究涉及的类群不一致。

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，研究人员使用了一种肿瘤未知的方法，在不同晚期癌症的免疫治疗患者中寻找共同的肠道微生物组反应特征。

研究团队解释说:“使用组合的数据集，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，然后使用鸟枪宏基因组测序数据进行跨测序平台验证。”

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的联合荟萃分析发现，某些肠道细菌类群与免疫治疗反应状态相关，而与肿瘤类型无关。

使用多元selbal分析，研究人员确定了与应答者和无应答者相关的两组不同的细菌属。在扩增子测序数据集和鸟枪宏基因组数据集的交叉测序平台验证中，肠道微生物群落特征的统计模型显示了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免疫治疗的临床结果，其中一些特征可能在不同肿瘤类型、患者队列和测序平台中推广。研究结果证明了机器学习模型如何揭示微生物群-免疫疗法的相互作用，最终可能改善癌症病人的结果．

“总之，对我们队列的分析和联合微生物组数据集提供了免疫治疗患者的可靠评估。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与非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需进一步研究。最终，这项研究将有助于识别微生物生物标志物或新的治疗靶点，以提高免疫治疗结果和癌症患者的总体生存期。”

---

---