2024年8月,暨南大学研究团队在 Nature 子刊NC杂志发表了题为 Multiparametric MRI along with machine learning predicts prognosis and treatment response in pediatric low-grade glioma 的研究。
小儿低级别胶质瘤 (pLGG) 表现出异质性预后和对治疗的不同反应,在无法完全切除的情况下导致肿瘤进展和不良结局。对免疫治疗的治疗反应和适用性的早期预测有可能改善临床管理和结局。在这里介绍了 pLGGs 的放射基因组学分析,整合了 MRI 和 RNA 测序数据。我们确定了三个免疫学上不同的集群,其中一组的特点是免疫活性增加和预后较差,表明免疫疗法的潜在益处。开发了一种放射组学特征,可以预测这些免疫特征,准确率超过 80%。此外,临床影像学模型预测无进展生存期并与治疗反应相关。还确定了与进展风险相关的遗传变异和转录组途径,强调了与肿瘤生长和免疫反应的联系。这项 pLGGs 放射基因组学研究为识别可能从靶向治疗中受益的高危患者提供了一个框架。
图1 研究的工作流程。
图2 将 494 个 pLGG 与可用的 RNA 测序数据进行聚类,揭示了基于免疫细胞浸润相关基因表达的三个不同的免疫学组,其中免疫簇 1 (n = 189) 显示中度的浸润,免疫簇 2 (n = 164) 显示高度的浸润,免疫簇 3 (n = 141) 显示最低的免疫细胞浸润。
图3 预后、临床、分子和免疫生物标志物与免疫集群的关联。
图4 临床放射组学风险分层及其与治疗反应和转录组学途径的关联。