Immune checkpoint blockade (ICB) therapy provides remarkable clinical gains and has been very successful in treatment of melanoma. However, only a subset of patients with advanced tumors currently benefit from ICB therapies, which at times incur considerable side effects and costs. Constructing predictors of patient response has remained a serious challenge because of the complexity of the immune response and the shortage of large cohorts of ICB-treated patients that include both 'omics' and response data. Here we build immuno-predictive score (IMPRES), a predictor of ICB response in melanoma which encompasses 15 pairwise transcriptomics relations between immune checkpoint genes. It is based on two key conjectures: (i) immune mechanisms underlying spontaneous regression in neuroblastoma can predict melanoma response to ICB, and (ii) key immune interactions can be captured via specific pairwise relations of the expression of immune checkpoint genes. IMPRES is validated on nine published datasets1-6 and on a newly generated dataset with 31 patients treated with anti-PD-1 and 10 with anti-CTLA-4, spanning 297 samples in total. It achieves an overall accuracy of AUC = 0.83, outperforming existing predictors and capturing almost all true responders while misclassifying less than half of the nonresponders. Future studies are warranted to determine the value of the approach presented here in other cancer types.

中文翻译：

---

对转移性黑色素瘤免疫检查点阻断治疗反应的可靠预测。

免疫检查点阻断 (ICB) 疗法提供了显着的临床收益，并且在治疗黑色素瘤方面非常成功。然而，目前只有一部分晚期肿瘤患者受益于 ICB 疗法，这有时会产生相当大的副作用和成本。由于免疫反应的复杂性以及包括“组学”和反应数据的大量 ICB 治疗患者的短缺，构建患者反应的预测因子仍然是一项严峻的挑战。在这里，我们建立了免疫预测评分 (IMPRES)，它是黑色素瘤中 ICB 反应的预测因子，包括免疫检查点基因之间的 15 个成对转录组学关系。它基于两个关键猜想：（i）神经母细胞瘤自发消退的免疫机制可以预测黑色素瘤对 ICB 的反应，(ii) 关键的免疫相互作用可以通过免疫检查点基因表达的特定成对关系来捕获。IMPRES 在 9 个已发布的数据集 1-6 和一个新生成的数据集上得到验证，其中 31 名患者接受抗 PD-1 治疗，10 名患者接受抗 CTLA-4 治疗，总共跨越 297 个样本。它实现了 AUC = 0.83 的总体准确度，优于现有的预测器，并捕获了几乎所有真正的响应者，同时错误分类了不到一半的无响应者。未来的研究有必要确定此处介绍的方法在其他癌症类型中的价值。总共跨越 297 个样本。它实现了 AUC = 0.83 的总体准确度，优于现有的预测器，并捕获了几乎所有真正的响应者，同时错误分类了不到一半的无响应者。未来的研究有必要确定此处介绍的方法在其他癌症类型中的价值。总共跨越 297 个样本。它实现了 AUC = 0.83 的总体准确度，优于现有的预测器，并捕获了几乎所有真正的响应者，同时错误分类了不到一半的无响应者。未来的研究有必要确定此处介绍的方法在其他癌症类型中的价值。