Mapping the human T cell repertoire to recurrent driver mutations in MYD88 and EZH2 in lymphoma
Notice bibliographique
Résumé
Oncogenic “driver” mutations are theoretically attractive targets for the immunotherapy of lymphoid cancers, yet the proportion that can be recognized by T cells remains poorly defined. To address this issue without any confounding effects of the patient's immune system, we assessed T cells from 19 healthy donors for recognition of three common driver mutations in lymphoma: MYD88L265P, EZH2Y641F, and EZH2Y641N. Donors collectively expressed the 10 most prevalent HLA class I alleles, including HLA-A*02:01. Peripheral blood T cells were primed with peptide-loaded dendritic cells (DC), and reactive T cells were assessed for recognition of naturally processed mutant versus wild type full-length proteins. After screening three driver mutations across 17–26 HLA class I alleles and 3 × 106−3 × 107 T cells per donor, we identified CD4+ T cells against EFISENCGEII from EZH2Y641N (presented by HLA-DRB1*13:02) and CD8+ T cells against RPIPIKYKA from MYD88L265P (presented by HLA-B*07:02). We failed to detect RPIPIKYKA-specific T cells in seven other HLA-B*07:02-positive donors, including two lymphoma patients. Thus, healthy donors harbor T cells specific for common driver mutations in lymphoma. However, such responses appear to be rare due to the combined limitations of antigen processing, HLA restriction, and T cell repertoire size, highlighting the need for highly individualized approaches for selecting targets.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».