Cancer immune checkpoint blockade (ICB) shows durable clinical benefits in treating melanoma, but only limited number of patient responds to such therapy. Combination ICB therapies have shown to increase number of responding patients. A reliable predictor of ICB response is needed to ascertain patients who will respond to ICB prior to treatment and to efficiently seek novel ICB combination drugs. Here I present anti-PD-1 Immunotherapy Signature (aPIMS), a melanoma-intrinsic predictor of anti-PD-1 ICB response. It is an unbiased, machine learning based signature that is able to predict anti-PD-1 ICB response in patient-derived data as well as cell line data. I also use aPIMS on cell line perturbation data to screen for novel anti-PD-1 ICB combination drugs.
면역관문억제를 통한 항암치료는 흑색종에 대해서 견고한 효능을 보여주지만 일부 환자에게만 효과적이다. 병용치료는 면역관문억제 치료에 효과를 보이는 환자의 비율을 늘려준다고 알려져 있다. 이 때문에 면역관문억제치료에 반응성을 보이는 환자를 예측할 수 있는 모델이 필요하다. 이 모델을 이용하여 면역관문억제 치료에 반응을 보일 환자들을 미리 선별할 수 있고, 새로운 면역관문억제 병용약물을 발굴하는 일도 수월해진다. 본 논문에선 anti-PD-1 Immunotherapy Signature (aPIMS)라는 흑색종 내재적인 PD-1 면역치료 반응성 예측 모델을 선보인다. 환자 데이터와 세포주 데이터 모두 사용할 수 있는 기계학습을 기반한 모델이다. 이 모델을 대규모 세포주 섭동 데이터에 적용하여 새로운 PD-1 면역치료 병용약물 발굴도 진행하였다.
