[论文解读] Identifying expanding TCR clonotypes with a longitudinal Bayesian mixture model and their associations with cancer patient prognosis, metastasis-directed therapy, and VJ gene enrichment

David Swanson, Alexander D. Sherry+3 more|arXiv (Cornell University)|Jan 8, 2026

T-cell and B-cell Immunology被引用 0

一句话总结

本文提出一种纵向贝叶斯混合模型来识别随时间扩张、收缩和静态的TCR克隆型，将动态克隆型与MDT治疗及预后相关联，并使用惩罚性对数线性建模来研究VJ基因富集。

ABSTRACT

Examination of T-cell receptor (TCR) clonality has become a way of understanding immunologic response to cancer and its interventions in recent years. An aspect of these analyses is determining which receptors expand or contract statistically significantly as a function of an exogenous perturbation such as therapeutic intervention. We characterize the commonly used Fisher's exact test approach for such analyses and propose an alternative formulation that does not necessitate pairwise, within-patient comparisons. We develop this flexible Bayesian longitudinal mixture model that accommodates variable length patient followup and handles missingness where present, not omitting data in estimation because of structural practicalities. Once clones are partitioned by the model into dynamic (expanding or contracting) and static categories, one can associate their counts or other characteristics with disease state, interventions, baseline biomarkers, and patient prognosis. We apply these developments to a cohort of prostate cancer patients who underwent randomized metastasis-directed therapy or not. Our analyses reveal a significant increase in clonal expansions among MDT patients and their association with later progressions both independent and within strata of MDT. Analysis of receptor motifs and VJ gene enrichment combinations using a high-dimensional penalized log-linear model we develop also suggests distinct biological characteristics of expanding clones, with and without inducement by MDT.

研究动机与目标

• 在癌症中研究TCR克隆性动态（扩张/收缩 vs 静态）的分析动机。
• 开发一个两组分纵向贝叶斯混合模型以适应不同的随访时间和缺失数据。
• 将动态克隆型与临床结局、基线生物标志物和治疗（MDT）联系起来。
• 使用惩罚性对数线性框架评估VJ基因富集模式，以识别有意义的相互作用。

提出的方法

• 提出一个两组分Poisson基混合模型，具有动态（lambda_ijk）和静态（lambda_ij）克隆计数速率，纳入Gamma先验并在患者之间进行超参数的分层共享。
• 在STAN中使用哈密顿蒙特卡洛拟合模型，以获得每个克隆的动态成员资格的后验概率。
• 将贝叶斯混合方法与Fisher精确检验/Beta-binomial方法进行比较，并强调MAR处理与灵活随访。
• 应用一个带L1正则化的惩罚性全饱和对数线性模型，测试VJ基因富集与克隆扩张状态之间的相互作用，通过交叉验证来选择惩罚项。

实验结果

研究问题

• RQ1 一个纵向贝叶斯混合模型是否能够在不规则随访时间下可靠地将TCR克隆型分为扩张、收缩或静态？
• RQ2 扩张克隆是否与转移定向治疗（MDT）以及前瞻性无进展生存（PFS）在前列腺癌中相关？
• RQ3 克隆动力学与基线生物标志物之间的关系，以及与MDT潜在交互作用的关系？
• RQ4 在考虑克隆动力学的情况下，扩张克隆是否显示出不同的VJ基因家族富集模式？
• RQ5 在MDT诱导与非MDT诱导扩张克隆之间，受体基序或序列级特征是否存在差异？

主要发现

• 基线-随访分析中，MDT显著增加扩张克隆的数量。
• 扩张克隆的计数与进展相关无进展生存（PFS）的预后相关性存在，且随MDT分层和模型设定而变化。
• 惩罚性对数线性建模揭示某些V和J基因家族组合的显著富集，以及特定扩张相关相互作用（如 TCRBJ02*TCRBV02..BV29）指示非随机富集模式。
• 基线生物标志物（如 upr、il15、vegfa）与克隆扩张或收缩相关，且在惩罚回归下某些交互（gmcsf*mip1b、il15*vegfa）浮现。
• Lorenz曲线分析表明克隆扩张更倾向于转化频率而非放大。
• MDT状态同时调节动态克隆数量及其预后关联，强调解读扩张与PFS之间关系的混杂因素。