1161-基于图神经网络的肺癌空间免疫交互与预后建模

这项研究利用图神经网络 (GNN) 深入分析了非小细胞肺癌（NSCLC）中空间肿瘤微环境 (TME) 的复杂组织结构。通过对 506 名患者的多重免疫荧光数据进行建模，研究人员发现特定的细胞空间生态位，特别是涉及 CD8+ T 细胞与肿瘤细胞或免疫抑制细胞的互动，能够高度准确地预测患者的生存结果。这种创新的计算方法超越了传统的细胞密度统计，揭示了空间异质性和细胞间直接接触对肿瘤免疫逃逸的重要影响。该研究强调了空间生物标志物在癌症预后评估中的潜力，为开发精准的个体化治疗方案提供了关键的科学依据。References:Hoebel KV, Lindsay JR, Altreuter J, Alessi JV, Weirather JL, Dryg I, Giobbie-Hurder A, Li Z, Yu KH, Awad MM, Rodig SJ, Lotter W. Graph neural network modeling of spatial tumor-immune interactions identifies prognostic cellular niches in non‑small cell lung cancer. NPJ Precis Oncol. 2026 Mar 7;10(1):158. doi: 10.1038/s41698-026-01314-3. PMID: 41794974; PMCID: PMC13096322.前往小宇宙评论区与主播互动