无标记拉曼光谱与机器学习实现对免疫治疗差异反应的灵敏评估
定量方法
2020-11-11 v1
摘要
癌症免疫治疗仅在少数患者中提供持久的临床获益，特别是由于缺乏可靠的生物标志物来准确预测治疗结果和评估反应。在此，我们展示了无标记拉曼光谱用于阐明免疫治疗在肿瘤微环境中诱导的生化变化的首次应用。我们使用CT26小鼠结直肠癌细胞培养肿瘤异种移植物，并用抗CTLA-4和抗PD-L1抗体处理它们。对来自处理组和对照组肿瘤的拉曼光谱数据集进行多元曲线分辨-交替最小二乘（MCR-ALS）分解，揭示了由于治疗引起的脂质、核酸和胶原含量的细微差异。我们使用支持向量机和随机森林的监督分类分析，对两种免疫检查点抑制剂均提供了优异的预测准确度，并描绘了每种疗法特有的重要光谱标记，与其不同的作用机制一致。我们的发现为在临床患者中使用无标记拉曼光谱和机器学习进行免疫治疗反应体内研究铺平了道路。
引用
@article{arxiv.2011.05304,
title = {Label-free Raman spectroscopy and machine learning enables sensitive evaluation of differential response to immunotherapy},
author = {Santosh Kumar Paidi and Joel Rodriguez Troncoso and Piyush Raj and Paola Monterroso Diaz and David E. Lee and Narasimhan Rajaram and Ishan Barman},
journal= {arXiv preprint arXiv:2011.05304},
year = {2020}
}