利用大数据预测免疫治疗反应

约翰霍普金斯大学彭博-基梅尔癌症免疫治疗研究所的研究人员开发了一种新的方法,利用生物信息学作为收集工具,来确定患者的免疫系统如何对免疫治疗做出反应,并识别自身的肿瘤。

照片

资深作者凯利·史密斯博士,约翰·霍普金斯金梅尔癌症中心肿瘤学讲师,希望能够收集到足够的数据,以便临床医生使用一种名为MANAFEST的技术来确定患者的最佳治疗方案。史密斯说:“一旦人们被诊断出患有癌症,我们希望利用这种方法为他们开发最佳的治疗方案。”“之前,MANAFEST的技术并不存在。在过去的几年里,技术的发展使我们能够分析数据来帮助患者。”

突变相关新抗原(MANAs)是抗肿瘤t细胞免疫的靶点。然而,有必要找出t细胞在癌症患者中识别这些MANAs的能力。

科学家们改变了培养物的收集方式,以提高生物信息学数据的准确性,创建了FEST(特异性t细胞功能扩展)分析。他们说,这些综合信息可以用来创建一个数据库,以确定哪些类型的免疫治疗相关反应与临床效益相关,从而提高患者治疗的有效性。

FEST方法专门用于检测接受免疫治疗的患者的血液、肿瘤和正常组织中的mana特异性序列。史密斯说,这项技术可以用来预测多种癌症对免疫治疗的反应。她警告说,这只是第一代FEST被使用。人们希望,这将导致一个中央数据存储库,可以监测癌症患者对其疾病的免疫反应如何。

订阅我们的通讯

相关文章

使用生物打印和计算机建模来检查癌症扩散

使用生物打印和计算机建模来检查癌症扩散

科学家将3d打印的活体人脑血管系统与先进的计算流模拟相结合,以更好地理解肿瘤细胞附着在血管上。

智能算法发现了未来治疗儿童癌症的可能方法

智能算法发现了未来治疗儿童癌症的可能方法

利用计算机算法,乌普萨拉大学的科学家们发现了一种很有前途的神经母细胞瘤的新疗法。

深度学习识别癌症的分子模式

深度学习识别癌症的分子模式

人工智能平台可以极其快速地分析基因组数据,从中挑选出关键模式,对不同类型的结直肠肿瘤进行分类,并改进药物发现过程。

个性化医疗的数字双胞胎

个性化医疗的数字双胞胎

作为“MED²ICIN”灯塔项目的一部分,7家弗劳恩霍夫研究所正在展示首个数字患者模型的原型。

在不牺牲隐私的前提下实现人工智能驱动的进步

在不牺牲隐私的前提下实现人工智能驱动的进步

Secure AI Labs正在扩大对加密医疗数据的访问,以推进该领域的人工智能驱动创新。

胰腺的“类器官”模仿了真实的东西

胰腺的“类器官”模仿了真实的东西

研究这些类器官可以帮助研究人员开发和测试治疗胰腺癌的新方法。

一支确定癌症边缘的笔

一支确定癌症边缘的笔

MasSpec Pen已经证明可以在手术期间从储存的胰腺样本中准确区分健康和癌变组织。

人工智能评估皮肤癌的转移潜力

人工智能评估皮肤癌的转移潜力

利用深度学习算法,研究人员开发了一种方法,可以准确预测哪些皮肤癌的转移率很高。

机器学习为个性化癌症药物提供燃料

机器学习为个性化癌症药物提供燃料

一种基于机器学习方法的工具,它评估特定类型肿瘤中一个基因的所有可能突变对癌症发展和进展的潜在贡献。

受欢迎的文章

订阅简报
Baidu