上海
雖然免疫療法已經改變了癌癥的治療模式， 但是 臨床上只有不到 30% 的患者實現了持久的臨床 應答 。為了突破這一瓶頸，迫切需要能夠精準預測療效且微創的生物標志物，然而傳統的 PD-L1 表達和腫瘤突變負荷（ TMB ）不足以實現精確的患者分層。
針對這一臨床問題，近日， 同濟大學附屬上 海市肺科醫院陳昶教授 團隊 在Med上 在線 發表了題為A machine learning model integrating circulatingTemracell transcriptional profiles to predict immunotherapy efficacy的研究成果。該研究解析了外周血與腫瘤微環境之間的免疫動力學，并利用機器學習算法開發出一種基于外周血的療效預測新方案。
研究團隊首先通過單細胞 RNA 測序（ scRNA -seq ）和 T 細胞受體測序（ scTCR -seq ）對配對的腫瘤與外周血樣本進行了整合分析。研究發現，在眾多的 CD8+ T 細胞亞群中 ， CX3CR1+ Temra 細胞具備 最 強的克隆擴張能力，并展現出顯著的外周循環與腫瘤組織間的遷移浸潤活性，是連接全身免疫與局部腫瘤微環境的關鍵橋梁。 進一步分析作者發現決定免疫治療效果的關鍵并非 Temra 細胞的數量多少，而是其 “ 質量 ”—— 即轉錄譜的狀態 。基于該發現，研究團隊通過機器學習建立了一種基于 Temra 細胞轉錄譜的外周血標志物生物標志物，并在晚期 NSCLC 隊列中進行了前瞻性驗證， 為免疫治 療決策提供了一個可行且侵入性較小的策略。
原文鏈接：https://doi.org/10.1016/j.medj.2026.101027
制版人：十一
BioArt
Med
Plants
人才招聘
學術合作組織
（*排名不分先后）
轉載須知
【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
