Análise de biomarcadores espaciais multimodais integrativos para personalizar terapias com inibidores de checkpoint no câncer de pulmão de células não pequenas.

e14664 Contexto: A terapia com inibidores de checkpoint tornou-se uma pedra angular no tratamento do câncer de pulmão de células não pequenas (NSCLC). No entanto, a resposta aos inibidores de checkpoint varia amplamente entre os pacientes, com alguns experimentando benefícios significativos e outros enfrentando reações adversas sem ganho terapêutico. A capacidade de prever com precisão quais pacientes se beneficiarão das terapias com inibidores de checkpoint é essencial para aumentar a eficácia do tratamento e minimizar os efeitos colaterais. Nesse contexto, a identificação e análise de biomarcadores preditivos, incluindo a expressão de proteínas de checkpoint imunológico, como PD-L1 e TIGIT, e o perfil abrangente de citocinas no microambiente tumoral, são de suma importância. Métodos: Uma estratégia multimodal foi empregada para identificar biomarcadores preditivos para terapia com inibidores de checkpoint no câncer de pulmão de células não pequenas (NSCLC). Essa abordagem integrou dados metabólicos, transcriptômicos e proteômicos para obter uma visão abrangente dos biomarcadores que provavelmente influenciarão as respostas dos pacientes. Os diversos conjuntos de dados foram fusionados através de técnicas avançadas de aprendizado de máquina, criando um conjunto de dados holístico. A análise desse conjunto de dados integrado facilitou a descoberta de assinaturas de biomarcadores multimodais, oferecendo o potencial para prever quais pacientes com NSCLC responderiam positivamente aos tratamentos com inibidores de checkpoint. Resultados: Observações iniciais revelaram considerável variabilidade na expressão de PD-L1 e TIGIT, juntamente com outras moléculas de checkpoint imunológico, em diferentes regiões do microambiente tumoral no câncer de pulmão de células não pequenas (NSCLC). Assinaturas de biomarcadores multimodais, englobando expressões distintas de inibidores de checkpoint imunológico, níveis de citocinas e a presença de células imunológicas, mostraram uma forte correlação com os desfechos dos pacientes após tratamento com inibidores de checkpoint imunológico. Conclusões: Nossa pesquisa destaca a significativa promessa do uso de um método de estratificação multimodal para desvendar as complexidades do câncer de pulmão de células não pequenas (NSCLC) e prever as respostas dos pacientes aos inibidores de checkpoint imunológico. Através da integração de dados metabolômicos, transcriptômicos e proteômicos, descobrimos assinaturas de biomarcadores distintas que eram altamente preditivas das respostas a essas imunoterapias.