통합된 생식계 및 체세포 특징이 면역 관문 차단에 대한 반응을 주도하는 분기된 면역 경로를 밝히다

초록 면역 관문 차단(ICB)은 암 치료에 혁명을 가져왔으나, 환자 반응을 결정하는 기전은 아직 잘 이해되지 않고 있다. 본 연구에서는 생식계 및 체세포 바이오마커로부터 ICB 반응을 예측하기 위해 기계 학습을 사용하고, 학습된 모델을 해석하여 우수한 치료 결과를 유도하는 잠재적 기전을 밝혀냈다. MHC 클래스 I(MHC-I) 결함이 있어도 T-소포 도우미 세포의 침윤이 높은 환자들은 반응을 보였다. 추가 연구를 통해 MHC-I 대 MHC-II 신항원에 의존하는 종양에서 ICB 반응이 다름을 확인했다. 유사한 반응률에도 불구하고 MHC II 의존 반응은 훨씬 더 긴 지속적 임상 이익과 연관되었다(발견군: 중앙생존기간 63.6개월 대 34.5개월; P=0.0074; 검증군: 중앙생존기간 37.5개월 대 33.1개월; P=0.040). 종양 면역 미세환경 특성은 MHC 신항원 의존성을 반영했으며, 면역 관문 분석에서 LAG3는 MHC II 의존 반응에서 잠재적 표적이었으나 MHC I 의존 반응에서는 그렇지 않았다. 본 연구는 치료 반응의 생물학적 기초를 밝히는 데 있어 해석 가능한 기계 학습 모델의 가치를 강조한다.