MétaCan
Menu
Retour à la cohorte
Enregistrement W2765326687 · doi:10.1158/2326-6066.cir-17-0175

Subversion of NK-cell and TNFα Immune Surveillance Drives Tumor Recurrence

2017· article· en· W2765326687 sur OpenAlexaff
Tim Kottke, Laura Evgin, Kevin G. Shim, Diana M. Rommelfanger, Nicolas Boisgerault, Shane Zaidi, Rosa María Díaz, Jill Thompson, Elizabeth J. Ilett, Matt Coffey, Peter J. Selby, Hardev Pandha, Kevin J. Harrington, Alan Melcher, Richard G. Vile

Notice bibliographique

RevueCancer Immunology Research · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensOncolytics Biotech (Canada)
Organismes subventionnairesRosetrees TrustNational Cancer InstituteNational Institute for Health and Care ResearchCancer Research UK
Mots-clésSubversionImmune systemTumor necrosis factor alphaImmunotherapyImmunologyMedicineCancer researchBiologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Abstract Understanding how incompletely cleared primary tumors transition from minimal residual disease (MRD) into treatment-resistant, immune-invisible recurrences has major clinical significance. We show here that this transition is mediated through the subversion of two key elements of innate immunosurveillance. In the first, the role of TNFα changes from an antitumor effector against primary tumors into a growth promoter for MRD. Second, whereas primary tumors induced a natural killer (NK)–mediated cytokine response characterized by low IL6 and elevated IFNγ, PD-L1hi MRD cells promoted the secretion of IL6 but minimal IFNγ, inhibiting both NK-cell and T-cell surveillance. Tumor recurrence was promoted by trauma- or infection-like stimuli inducing VEGF and TNFα, which stimulated the growth of MRD tumors. Finally, therapies that blocked PD-1, TNFα, or NK cells delayed or prevented recurrence. These data show how innate immunosurveillance mechanisms, which control infection and growth of primary tumors, are exploited by recurrent, competent tumors and identify therapeutic targets in patients with MRD known to be at high risk of relapse. Cancer Immunol Res; 5(11); 1029–45. ©2017 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,585
Score d'incertitude au seuil0,890

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,388
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Immunology ResearchMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207