免疫检查点抑制剂是近年来新兴的一类抗肿瘤疗法，大量中晚期、转移性癌症患者从中受益。判断一名患者是否适用免疫疗法的核心指标是肿瘤突变负荷（TMB）。在临床实践中，针对不同的癌症，一般有不同的TMB阈值；若患者的TMB高于阈值则建议用药。
然而，如何立足中国癌症病人的特点，准确、全面地获得适用于中国人群的TMB阈值是临床实践中的一个突出问题。一方面，基于西方人临床队列获得的阈值在预测和划分中国癌症病人预后时普遍不准确，特别是考虑的预后指标不全面，部分患者看似适用疗法却快速死亡。另一方面，TMB检测和计算的生物信息学方法与中国人群的匹配度不高，误差大、样本偏差大，误导临床决策。因此，结合中国癌症病人特点，精确优化TMB阈值、校正TMB检测的样本偏差是重点和难点。
针对上述问题，西安交通大学计算机科学与技术学院生物信息管理与数字健康研究团队与中山大学肿瘤防治中心、南京世和基因生物技术股份有限公司合作，设计了一套面向多癌种、多分组、多终点的TMB阈值精确优化方法及其对应的通用统计学框架。该框架基于临床多类型疗效终点建立联合评估模型，解决了考虑预后指标不全面的问题。基于统计推断无偏性原理产生一致的参数估计，明显减少了TMB检测误差对决策模型的扰动，提出以最大化患者临床预后的组间差异为优化目标，进而获得最小p值准则下分层效应最显著的一组TMB阈值。基于多个患者队列的数据分析，在数据层面证明了TMB与免疫治疗综合预后之间的非线性关系，首次报道了一类泛癌间TMB多阈值现象。
图1 TMB在临床疗效多终点维度上存在多个分类阈值
在此基础上，针对现有的生物信息学工具在分析队列数据时产生的严重样本间偏差，研究人员基于机器学习理论解释了偏差构成因素，并首次通过基因区间的分类集成框架有效控制了样本间偏差，能够显著提高临床决策的准确度。
图2 TMB测量误差会给临床分组决策带来巨大的混淆效应
近期，上述研究成果分别发表在国际免疫学领域权威期刊《免疫学前沿》（Frontiers in Immunology）、知名期刊《遗传学前沿》（Frontiers in Genetics），并获得第十七届中国管理学年会优秀论文奖。
上述论文的第一作者均为西安交通大学计算机科学与技术学院王以瑄博士，计算机学院王嘉寅教授、中山大学方文峰教授为论文通讯作者，西安交通大学均为第一完成单位。
论文链接:
https://www.frontiersin.org/articles/10.3389/fgene.2022.915839/full
https://www.frontiersin.org/articles/10.3389/fimmu.2022.995180/full