면역 체크포인트 억제제(immune checkpoint inhibitors, ICIs)는 암 치료에 혁신을 가져왔다. 그러나 일부 환자만이 ICIs에 반응하며, 현재의 ICI 효능 바이오마커는 제한된 성능을 보인다. 본 연구에서는 환자의 벌크 종양 전사체(bulk tumor transcriptome)로부터 해독한 환자 특이적 세포-세포 교신 네트워크(cell-cell communication networks, CCNs)를 사용하여 학습한 해석 가능한 기계학습(ML) 모델을 고안하였다. 해당 모델은 (i) 네 가지 암종에 걸쳐 환자의 ICI 효능을 예측할 수 있었고(중앙값 AUROC: 0.79), (ii) 11개 코호트에서 수집된 700건 이상의 ICI 투여 환자 샘플을 분석함으로써 환자의 반응 또는 ICI에 대한 내성과 관련된 핵심 교신 경로 및 주요 행위자(핵심 참여자)를 규명할 수 있었다. 모델은 반응과 내성을 각각 뒷받침하는 핵심 생물학적 과정으로 면역 관련 세포의 화학주성(chemotaxis) 교신과 구조 세포의 성장인자(growth factor) 교신을 우선순위로 제시하였다. 우리는 흑색종 환자에서 단일세포 수준으로 핵심 교신 경로 및 주요 행위자를 확인하였다. 네트워크 기반 본 ML 접근법은 암 환자에서 ICIs의 임상적 이점을 확장하는 데 활용될 수 있다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.