生物標誌物的開發與轉化研究在新葯研發中扮演着非常重要的角色，免疫治療的生物標誌物不同於靶向治療，相對複雜，往往無法用單一藥物靶點標誌物來進行患者分層、療效預測。目前FDA已經批准了免疫治療生物標誌物PD-L1、MSI 、TMB等用於用於伴隨診斷，但這些標誌物都仍然存在一定的局限性。
當PD-L1、TMB、MSI單獨作為biomarker時，能夠從一定程度上區分獲益人群；但都存在較高的假陽性和一定的假陰性率，免疫治療療效預測不夠精準；同時在免疫聯合治療中沒有療效預測價值。IO biomarker探索之路任重而道遠。
目前腫瘤免疫治療生物標誌物轉化的策略有二，策略一是在新的療法中驗證已知IO生物標誌物，標誌物聯合分析；策略二則是在藥物開發早期階段進行合適的生物標誌物探索。
策略一
在新的療法中驗證已知IO生物標誌物，標誌物聯合分析
以TMB為例、簡單通過突變數量算法表徵免疫原性並不精準、越來越多高等級循證醫學證據表明除了突變“數量”，應該考慮突變的“質量”。
而在PD-1聯合化療、抗血管生成藥物，CTLA-4，LAG 3等新型免疫療法生物標誌物研究中，各類研究成果展示了TIS以及TIS+TMB、ITH+TMB等新型生物標誌物在泛癌種的免疫治療、免疫聯合治療中相關應用價值。
策略二
在藥物開發早期階段進行合適的新型生物標誌物探索
2021年12月CDR發布《生物標誌物在抗腫瘤藥物臨床研發中應用技術指導原則》，明確指出生物標誌物在抗腫瘤新葯研發中價值日益凸顯，已經成為抗腫瘤藥物研發中極為重要的組成部分，鼓勵更早、更有規划進行生物標誌物探索研究。
2017年由裕策生物攜手詹啟敏院士發起、建立了基於合作、互利、共贏宗旨的抗癌“天梯計劃”數據庫，旨在積累IO治療隊列數據，加速腫瘤免疫療法的臨床轉化。目前合作IO臨床研究近50項，積攢了近5000例的病例。基於天梯計劃數據平台，裕策生物已經開發出多項擁有自主知識產權的腫瘤免疫生物標誌物算法。
腫瘤微環境的複雜性決定腫瘤免疫治療生物標誌物需要更多探索，特別是基於單細胞測序及空間轉錄組、血漿蛋白組學、人工智能（AI）等新技術手段。裕策生物從2020年開始，在高通量測序平台的基礎上，陸續引入了國際領先的免疫微環境研究平台，包括基因表達譜、組織病理學、空間轉錄組、血漿蛋白組學等技術平台，並通過實踐總結形成一套完整生物標誌物轉化研究解決方案。
基因表達譜( Gene Expression Profile) 標誌物開發是一個非常重要的方向，腫瘤組織RNA表達情況可以較為全面的提供探索性的腫瘤微環境解析，通過早期臨床試驗回顧性樣本進行RNA測序或nCounter IO360 panel檢測，生物信息學手段開發相關基因表達特徵譜（RNA signature)，能夠更敏感、特異地篩選免疫治療獲益人群。
相對PD-L1（IHC）、TMB、GEP而言，mIHC（mIF）對於免疫治療療效評估似乎更加有效，或許是因為蛋白作為功能分子能夠更加準確的反應腫瘤微環境狀態，與此同時腫瘤免疫應答機制複雜，單一蛋白表達情況無法準確反應腫瘤免疫應答反應的情況。
因此裕策搭建了病理平台，mIF主要實驗流程包括染片-掃片-圖像解析，配備的是leica bond RX自動染片機，保證了多色免疫熒光多輪染色的穩定性，Akoya Polaris的掃描系統，提高圖像質量。圖像分析引入的則是HALO，一個mIHC/IHC/HE的病理圖像分析工具，在藥物研發和臨床研究行業中認可度較高，可實現功能豐富，是病理圖像定量分析中廣泛使用的工具，通過halo和inform聯用，可以實現空間距離分析、TILs浸潤分析、三級淋巴結構TLS分析、腫瘤組織免疫分型分析等等。
當前的藥物發現中並不缺乏優秀的藥物，而是很多藥物沒有篩選到合適的治療人群，研究者應該更早、有規劃地進行多組學生物標誌物探索，開發伴隨診斷產品提升臨床實驗成功率。
