CytoReason今天发表的新发现揭示了肿瘤微环境中可能的新细胞参与者可能影响最需要的患者的治疗过程 - 那些已经对ipilimumab(抗CTLA4)免疫治疗无效的患者。一旦经过验证，该研究结果可为改进顽固性黑色素瘤中关键免疫疗法的分期和排序策略指明方向。这些数据将在30周年美国癌症研究协会特别人工智能大会上发布，同时也揭示了未来新疗法的潜在目标。

使用CytoReason专有的基于机器学习的方法分析来自黑素瘤活组织检查的数据，鉴定了在一组ipilimumab抗性患者中区分nivolumab反应者和非反应者的细胞和基因。分析显示，与非应答者相比，ipilimumab耐药nivolumab应答者的脂肪细胞丰度显着更高(p值= 2x10-7)。它还揭示了一些未公开的潜在新目标，这些目标在未来寻求改善治疗方面可能是有价值的。

已知脂肪细胞参与调节肿瘤微环境。然而，这些研究结果似乎表明，脂肪细胞可能在ipilimumab耐药的nivolumab敏感患者群体中发挥先前未报告的调节作用，可能区分nivolumab反应者与非反应者。应该指出的是，这些是基于少量患者样本的初步发现，需要进一步的工作来验证结果。

“脂肪细胞的发现是出乎意料的，并引发了很多关于脂肪细胞在肿瘤/免疫反应界面中的作用的问题。目前尚不清楚脂肪细胞是否受到治疗的影响，反之亦然，或代表不同的肿瘤类型”，Yair Benita说， CytoReason的科学运营主管。“然而，我们所知道的是，CytoReason的技术已经成为人们关注脂肪细胞的重点，并且需要在未来的研究中建立一种跟踪它们的策略，以便更好地了解它们在免疫治疗中的可能作用”

基因表达分析是促进我们对疾病的理解的有力工具。然而，大约90%的细胞基因表达特征的特定模式由样品的细胞组成驱动。这使表达式分析变得模糊，使得识别真正的罪魁祸首非常成问题。

CytoReason的平台致力于克服这些问题。在本研究中，使用单一已发布的数据集，CytoReason能够应用其知识库和技术来重建细胞组成和细胞特异性表达。这使得CytoReason能够进行细胞水平分析，揭示隐藏的细胞活动，这些活动被映射回特定的基因，只有在治疗显示和效果时才能显示出来。

“免疫系统主要以细胞为基础.CytoReason的独特之处在于我们的疾病模型是专门针对细胞水平设计的 - 复制生物学以克服关键的生物学挑战，同时从每个数据集中学习”，CytoReason首席执行官David Harel说。“CytoReason的计算平台将遗传学，基因组学，蛋白质组学，细胞计数学和文学与机器学习相结合，创建了我们的疾病模型。这一分析进一步证明了CytoReason能够为传统方法常常隐藏的新生物关系产生新的假设 - 提供重要的线索，在药物发现和开发过程中非常有价值。“