Toward Personalized Lymphoma Immunotherapy: Identification of Common Driver Mutations Recognized by Patient CD8+ T Cells
Notice bibliographique
Résumé
PURPOSE: A fundamental challenge in the era of next-generation sequencing (NGS) is to design effective treatments tailored to the mutational profiles of tumors. Many newly discovered cancer mutations are difficult to target pharmacologically; however, T-cell-based therapies may provide a valuable alternative owing to the exquisite sensitivity and specificity of antigen recognition. To explore this concept, we assessed the immunogenicity of a panel of genes that are common sites of driver mutations in follicular lymphoma, an immunologically sensitive yet currently incurable disease. EXPERIMENTAL DESIGN: Exon capture and NGS were used to interrogate tumor samples from 53 patients with follicular lymphoma for mutations in 10 frequently mutated genes. For 13 patients, predicted mutant peptides and proteins were evaluated for recognition by autologous peripheral blood T cells after in vitro priming. RESULTS: Mutations were identified in 1-5 genes in 81% (43/53) of tumor samples. Autologous, mutation-specific CD8(+) T cells were identified in 23% (3/13) of evaluated cases. T-cell responses were directed toward putative driver mutations in CREBBP and MEF2B. Responding T cells showed exquisite specificity for mutant versus wild-type proteins and recognized lymphoma cells expressing the appropriate mutations. Responding T cells appeared to be from the naïve repertoire, as they were found at low frequencies and only at single time points in each patient. CONCLUSIONS: Patients with follicular lymphoma harbor rare yet functionally competent CD8(+) T cells specific for recurrent mutations. Our results support the concept of using NGS to design individualized immunotherapies targeting common driver mutations in follicular lymphoma and other malignancies. Clin Cancer Res; 22(9); 2226-36. ©2015 AACR.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».