首页 > 文章详情

2024 WCLC 中国之声 | 循环CX3CR1+CD8+Temra细胞的转录组特征作为预测NSCLC患者化疗联合免疫治疗缓解的指标

08月18日

编译：肿瘤资讯

来源：2024 WCLC

2024世界肺癌大会（WCLC）将于美国当地时间9月7-10日在圣地亚哥举行，旨在为全球肺癌领域的学者、专家、从业人员提供最新临床研究、科学研究成果及广阔的学术交流平台。

近日，WCLC官网已披露部分摘要。其中多项由中国研究者主导的重要研究成果入选大会摘要，在国际盛会唱响中国好声音。【肿瘤资讯】特此整理循环CX3CR1+CD8+Temra细胞的转录组特征作为预测NSCLC患者化疗联合免疫治疗缓解的指标相关研究。

研究标题：Transcriptomic Features of Circulating CX3CR1+CD8+ Temra Cells as a Predictor of Chemo-Immunotherapy Response in NSCLC Patients

循环CX3CR1+CD8+Temra细胞的转录组特征作为预测NSCLC患者化疗联合免疫治疗缓解的指标

摘要号：MA19.08

背景

我们之前的研究（Zheng L et al. Science. 2021）关于肿瘤浸润T细胞的泛癌单细胞景观揭示循环CX3CR1+CD8+Temra细胞携带肿瘤特异性TCRs，在大多数癌症类型中具有在血液和肿瘤微环境之间最高的流动性。在这里，我们进一步探索CX3CR1+CD8+Temra细胞的转录组特征，以预测NSCLC中化疗免疫疗法的疗效。

方法

我们对接受新辅助化疗免疫疗法治疗的NSCLC患者的6对肿瘤和外周血样本进行了12次单细胞RNA和TCRs测序（3种病理完全缓解与3种非病理反应）。在注释CD8+T细胞亚群之后，我们验证化疗免疫疗法后外周血中的CX3CR1+CD8+Temra细胞是否表现出肿瘤特异性TCRs。随后，我们将三个已发布的数据集与我们自己的外周血单细胞转录组数据结合起来，构建了用于预测化学免疫疗法疗效的机器学习模型（逻辑回归模型）。如果患者在首次放射学评估中达到了PR或CR，则被确定为缓解。其他人（PD和SD）在机器学习模型中被归类为无缓解。最后，我们前瞻性地建立了一个多中心队列，包括从2023年4月至12月接受一线化疗免疫疗法治疗的转移性NSCLC患者（NCT06054152）。收集的外周血样本经过荧光激活细胞分选（CD45+CD8+CX3CR1+），然后进行Bulk-RNA测序。

结果

CX3CR1+CD8+Temra细胞表现出高扩增（ASCL2、KLF2、KLF3、ZEB2、TBX21）、迁移（CXCR2、CXCR1）和强效应分子（GZMB），并且在获得病理完全缓解的患者中显著富集。在三个训练数据集（Sade-Feldman M，et al. Cell. 2018，Zhang Y，et al. Cancer Cell. 2021，Liu B，et al. Nat Cancer.2022.）中，基于逻辑回归的机器学习模型的准确性在38名患者中为94.7%到100%。具体来说，我们的模型鉴定出了88个转录组特征，如CD9、COPE、SFRP4t等。此外，我们前瞻性地收集了来自NSCLC患者的131个样本，并对分选的CX3CR1+CD8+Temra细胞进行了Bulk-RNA测序。最后，我们使用这个队列作为机器学习模型的验证数据集。重要的是，整体准确率为81.3%，召回率为81.8%。由于随访时间相对较短（中位随访时间：7.8个月），我们目前无法进行预后分层分析。

结论

总体而言，我们的研究突出循环CX3CR1+CD8+Temra细胞的转录组特征作为化疗免疫疗法的基于血液生物标志物以及识别频繁循环肿瘤浸润性淋巴细胞谱系的标志物的潜在效用。

责任编辑：肿瘤资讯-Bear
排版编辑：肿瘤资讯-Bear