Tumorvaccins voor solide tumoren

Glioom is de meest voorkomende primaire kwaadaardige intracraniële tumor, gekenmerkt door beperkte klinische behandelingsopties en een extreem slechte prognose. Er is een dringende behoefte aan de ontwikkeling van nieuwe technologieën en klinische praktijken. Met de vooruitgang van de immunotherapie zijn tumortherapeutische vaccins een hot topic geworden op het gebied van solide tumorimmunotherapie. Verschillende klinische onderzoeken hebben bevestigd dat tumorvaccins de prognose van glioompatiënten kunnen verbeteren. Vaccins zijn de eerste systemische behandelingstechnologie in bijna 30 jaar die tegelijkertijd de algehele overleving van patiënten met nieuw gediagnosticeerd glioblastoom en recidiverend glioblastoom kan verlengen in klinische fase III-onderzoeken. Deze nieuwe aanpak heeft een aanzienlijke klinische waarde en brengt hoop voor een groot aantal patiënten. Ons team heeft eerder een dendritische cel (DC) vaccin voor glioom ontwikkeld, en de klinische fase II-studie heeft aangetoond dat dit de prognose van glioompatiënten kan verlengen. Verschillende patiënten hebben echter minder baat bij vaccintherapie. Daarom is de identificatie van moleculaire mechanismen die ervoor zorgen dat patiënten niet reageren op vaccinbehandeling van cruciaal belang voor het verbeteren van de werkzaamheid van vaccins. Dit project heeft tot doel verschillende soorten klinische monsters te verzamelen van patiënten, waaronder glioompatiënten die een tumorvaccinbehandeling krijgen, glioompatiënten die een conventionele klinische behandeling krijgen zonder tumorvaccin, en niet-tumorpatiënten (hemorragische beroerte, ischemische beroerte en traumatisch hersenletsel). High-throughput sequencing-technieken zullen worden gebruikt om een ​​immuun-micro-omgevingsdatabase op te zetten, gevolgd door bio-informatica-analyse en moleculair-biologische experimenten om de moleculaire mechanismen bloot te leggen die de werkzaamheid van vaccins beïnvloeden. Kunstmatige intelligentie en deep learning-technologieën zullen worden gebruikt om informatie over moleculaire mechanismen te extraheren uit radiologiebeelden en pathologiebeelden. Uiteindelijk beoogt het project een geïntegreerd diagnostisch en behandelingsmodel op te zetten dat beeldvormings-, pathologie- en omics-gegevens combineert om de klinische toepassing van vaccins te bevorderen.