2023年美国临床肿瘤学会(ASCO)年会将于6月2日-6日在芝加哥举行。作为全球肿瘤领域权威的学术交流盛会,ASCO大会期间将公布当前国际上最前沿的临床肿瘤学科研成果和肿瘤治疗技术。求臻医学与国内知名肿瘤研究中心及医疗机构合作10项科研成果入选本届ASCO年会,研究领域覆盖膀胱癌、胃癌、结直肠癌、肺癌及其它癌种,涉及免疫治疗、分子机制、分子特征和疗效预后等。今天,跟随求小臻一起先睹为快吧!
01.膀胱癌
研究题目:Gene expression-based machine learning approach to predict immunotherapy response and survival in patients with advanced cancer
研究内容:本研究以膀胱癌免疫队列IMvigor210中RNA表达数据训练BRNN模型,发掘40个免疫预测基因特征,构建有效的免疫治疗预测模型。且在另外的3个独立的泛癌免疫队列中得到验证。该研究亮点在于对所有样本基因表达量转换为基因在某一样本中的表达排序值,这种标准化方法可允许跨平台以及不同标准化形式的表达数据直接纳入分析而不存在任何的批次效应。
02.肺癌
研究题目:Circulating tumor DNA (ctDNA) methylation-based linkage regions to predict recurrence in early-stage lung cancer
研究内容:筛选TCGA数据库中肺癌癌组织对比癌旁或健康人全血甲基化差异位点(DMS),合并甲基化峡谷内临近的DMS构成203 kbp甲基化panel。使用甲基化panel在30例肺癌组织中检测到37个MCB,位于SHOX2、PTGER4、RASSF1A和ARL8B基因的4个MCB在肺癌和健康人血浆存在显著差异。在30例肺癌和25名健康人的血浆中对4个MCB进行qPCR,并根据qPCR的CT值构建区分肺癌和健康人的GLM模型,该模型准确评估了32例肺癌患者术后1年内复发状况。
03.肾癌
研究题目:A deep learning system predicts progression-free survival (PFS) accurately in renal cell carcinoma (RCC) patients treated with Immune checkpoint blockades (ICBs)
研究内容:本研究基于2个独立的肾癌免疫队列Miao et al.和CheckMate的WES数据以及表达数据发掘PFS相关的通路特征以及免疫细胞特征,并在CheckMate队列(训练集:验证集=7:3)中构建逻辑回归预后模型,于另外的队列JAVELIN中独立验证。该模型的预测预后能力优于传统的免疫预测标志物,且联合TMB/PD-L1/GEP后预测能力更强。
04.消化道肿瘤
研究题目:Hypoxic status affects survival and therapeutic responses in gastric cancer
研究内容:该研究基于癌症基因组图谱(TCGA)和 GEO的表达数据评估了缺氧对胃癌患者预后、靶向治疗和免疫治疗的影响,我们发现缺氧是胃癌生存率的一个重要的预测指标,TCGA队列中胃癌患者1年和3年总生存率的AUC分别为0.71和0.73。在胃癌中,缺氧的加重伴随着免疫排斥表型的增加和免疫抑制细胞的浸润。在GEO验证集中,通过该模型预测的高风险患者的免疫治疗反应和预后较差,并且可能受益于抑制细胞周期信号通路的药物。基于缺氧环境的研究为预测胃癌预后和临床治疗提供了理论基础,并可能通过推荐个性化免疫疗法来改善胃癌患者的预后。
研究题目:Enhanced Detection of Molecular Residual Disease(MRD) by Tumor-informed and Tumor-agnostic variants in Circlulating Tumor DNA(ctDNA)
研究内容:为了测试MRD方法的灵敏度和特异性,我们使用 208kb-panel以检测137 个健康血浆样本和 150 个肠癌血浆样本。结果显示曲线下面积 (AUC) 为 0.95,灵敏度为 92%,特异性为 98%。为了测试 208 kb panel 的检测下限,我们用包含 98 个已知突变的阳性对照样本对六个不同的稀释水平(5%、1%、0.5%、0.1%、0.05% 和 0.01%)进行了测序。结果表明,208 kb panel的检测限达到0.02%。我们回顾性分析了 3000 多名结直肠癌患者,其中 35 名符合资格标准的患者被纳入本研究:1) II-III 期 CRC 接受根治性手术;2)术后7天至3个月采集血液标本;3)随访时间为2年或复发;4)足够的样本用于靶向测序。12 例 (34%) 患者 MRD+,所有患者均复发,23 例 (66%) 患者为 MRD-,其中 22/23 患者未出现局部复发或转移。Kaplan-Meier 估计表明,ctDNA 阳性对复发具有很高的预测价值(HR 21,95%CI 18.3-28.9;P<0.001)。
研究题目:Early Gastrointestinal Tumour Detection Using cfDNA Fragmentomes Based on Low-pass Whole-genome Sequencing (lp-WGS)
研究内容:为了探索cfDNA片段特征用于癌症早筛的潜能,该研究用308例cfDNA样本作为训练集,64例样本作为验证集,收集了这些样本的WGS数据并进行了片段组学分析。结合6种cfDNA片段特征的结果,建立了新的早筛方法并且区分癌症和健康人组的准确度较高,为早期癌症筛查提供了新的思路。该方法的效果会在以后更多的验证队列中显示。
研究题目:Predicting the immunotherapy response based on molecular subtypes of pan-immune signatures in gastrointestinal stromal tumor
研究内容:该研究整合了199例GIST患者的RNA microarray数据集,分析了泛免疫微环境浸润图谱,并通过泛免疫信号,构建出免疫相关分子分型。发现不同分子亚型在免疫相关通路、上皮间质转化以及TGFb等信号通路中具有不同的富集特征。同时发现,不同分子亚型对于PD-1的免疫治疗具有不同的响应结果。基于泛免疫特征的分子分型将为预测免疫治疗疗效提供潜在价值。
研究题目:Comprehensive genomic and transcriptomic profiling analysis of the recurrent gastrointestinal stromal tumor (GIST)
研究内容:该研究对42例原发性胃肠间质瘤患者进行了WES和RNA测序,综合分析了胃肠间质瘤的转录组和基因组的分子特征。除了已被广泛研究的KIT、PDGFRA基因外,同时发现,高危胃肠间质瘤中CNVs较高。特别是高危复发肿瘤的CNVs频率和微环境存在显著差异。这些结果可能有助于了解复发机制、为复发监测和靶向治疗提供潜在价值。
05.泛癌种
研究题目:A robust and accurate method to detect MET Exon 14 skipping mutation in pan-cancer samples using a NGS-Based RNAseq approach
研究内容:该研究对99例泛癌种样本进行了RNA测序,分析患者的junction reads,利用贝叶斯模型进行建模,利用最大约登指数确定阈值构建了一个用于检测METex14置信分数的新算法BMMETs。对99例样本结果进行统计发现BMMETs算法准确度以及灵敏度、特异性明显优于Star-Fusion。
研究题目:Detecting variation of clonal hematopoiesis using machine-learning in liquid biopsy
研究内容:基于两千例泛癌种的cfDNA与配对PBL样本1123基因捕获测序(其中肺癌960例、胃癌630例,健康人对照40例)的检测数据为基础,分析并建立一个机器学习模型分类血液样本中突变是否为克隆性造血突变。通过比较三种大类突变:克隆性造血高频基因突变、肿瘤热点突变、肿瘤非热点驱动突变在丰度、支持reads数、质量、GC含量、是否在重复区等维度下的特征建立决策树模型来区分克隆性造血突变和体系突变。