创新背景

免疫疗法是癌症治疗领域的最新发展。它为那些无法通过其他方式帮助的患者提供缓解方法，并减少了化疗的许多副作用。免疫疗法如何为每个癌症患者提供适用的治疗方案，在高效匹配的同时降低成本对于肿瘤治疗非常重要。

创新过程

以色列理工学院研究团队使用人工智能为每个患者创建一种简单而廉价的方法，匹配合适的治疗方案，相关研究成果论文Estimating tumor mutational burden from RNA-sequencing without a matched-normal sample发表在2022年6月2日出版的《自然通讯》上。

免疫治疗的原理是刺激患者的免疫系统以攻击癌细胞。肿瘤积累的突变越多，它与“正常”细胞的差异就越大，免疫系统借此区分它应该攻击的癌细胞和身体的健康细胞。肿瘤积累的突变特征名为肿瘤突变负担（TMB）。更高的TMB意味着更多的新突变。Yizhak教授的方法大大简化了TMB的测量。

研究团队为了测量TMB，从肿瘤中提取细胞，利用患者测序数据检测体细胞突变，并将其DNA与患者健康细胞的DNA进行比较。研究团队先前开发了一种使用肿瘤RNA和匹配的正常DNA检测体细胞突变的工具，证明第一种修饰是比较RNA分子而不是DNA分子，RNA分子也可用于鉴定癌症特异性突变。DNA分子包含整个人类基因组，而RNA分子只是遗传密码的一小部分，被复制出来用作细胞内的指令。

新研究减少将癌性肿瘤的RNA与健康细胞的DNA进行比较的环节，对较少量的遗传物质进行测序，使患者可以接受得手术较少。

研究团队没有将肿瘤的遗传物质与患者自己的健康遗传物质进行比较，而是开发了一种机器学习算法，该算法经过训练，可以识别健康基因组中的畸变，并将其与人与人之间存在的自然变异区分开来。算法根据各种特征将突变分类为体细胞或种系，当应用于>450黑色素瘤样品的RNA测序时，可实现高精度和召回率，并且正确鉴定突变特征和驱动基因。

研究人员使用这些预测能够计算出基于RNA的TMB指标。RNA包含基因组中不断使用的部分，可以启动免疫反应，所以这种方法在估计特定患者的免疫治疗的预测有效性方面被证明比标准方法更有效。基因组中未被使用的部分的突变不太可能影响细胞的运作。

创新关键点

通过测量肿瘤突变负担和RNA分子，创新使用机器学习算法开发匹配癌症患者状况的免疫治疗方案。