同济大学教授Cell：探究肿瘤免疫检查点抑制剂疗效预测的计算生物学问题

导读：近期，同济大学刘琦教授受邀发表了题为“Towards In Silico Prediction of the Immune-Checkpoint Blockade Response”的文章，系统探讨了肿瘤免疫检查点抑制剂疗效预测的相关计算生物学问题，这篇综述发表在Cell子刊上。赛业小编为您推荐“同济大学教授Cell：探究肿瘤免疫检查点抑制剂疗效预测的计算生物学问题”，详情如下：

来自同济大学生命科学与技术学院的刘琦教授受邀发表了题为“Towards In Silico Prediction of the Immune-Checkpoint Blockade Response”的文章，系统探讨了肿瘤免疫检查点抑制剂疗效预测的相关计算生物学问题。

这篇综述介绍公布在Cell旗下刊物，Trends系列著名杂志《Trends in Pharmacological Science》（影响因子：12.8）上。文章第一作者为同济大学生命科学与技术学院生物信息系的直博二年级学生陈珂，同时和美国FDA相关研究人员以及南京医科大学第一附属医院肝脏外科研究所副所长，长江学者孙倍成主任课题组合作完成。

肿瘤免疫治疗被认为是近年来癌症治疗手段中最有希望的方法之一。免疫检查点抑制剂（immune-checkpoint blockade）通过解除肿瘤细胞对免疫细胞的抑制通路，激活免疫细胞消灭肿瘤。虽然免疫检查点抑制剂在多类肿瘤治疗中表现出了令人振奋的临床效果，但在实际应用中仍然会出现响应率低，个体化差异大等临床问题。如何基于特定的biomarkers以及计算模型，对于肿瘤患者进行有效的个体化的免疫检查点抑制剂的疗效预测，是该类肿瘤免疫治疗的关键问题之一。

在这篇文章中，研究人员首次从基因组水平，转录水平，表观遗传水平，微生物分级水平（Microbial taxonomic level），免疫细胞浸润剖面水平（The immune cell infiltration profile level）五大层面，全面总结了影响肿瘤免疫检查点抑制剂疗效的biomarkers以及in-silico计算方法。

同时研究人员也提出了一种基于高通量测序数据，构建一站式AI模型（one-stop AI model）进行肿瘤免疫抑制剂疗效预测的计算框架，该计算框架将有利于整合现有的多类biomarkers进行疗效预测，以及基于已知样本挖掘潜在的新的biomarkers。基于上述分析，研究者进一步指出了免疫抑制剂疗效预测领域若干重要的计算研究方向。

刘琦教授课题组以AI和机器学习计算技术为基础，重点关注于生物医药大数据挖掘领域的交叉问题研究。目前主要关注于肿瘤精准治疗和免疫治疗，基因编辑的小RNA设计以及药物信息学领域。目前课题组和上海市同济大学附属东方医院，同济大学附属第十人民医院，南京医科大学第一附属医院以及相关制药公司开展合作，开发肿瘤免疫治疗的相关组学数据分析处理平台。

原文标题：

Towards In Silico Prediction of the Immune-Checkpoint Blockade Response

来源：生物通——由赛业生物科技有限公司转载发布

细胞生物学：

干细胞培养基：品种齐全，国际专利上百种

冻存液：无蛋白、无需程序降温

细胞因子：380余种、高纯度、高活性

实验室耗材：无痕量金属、无热原、全美进口