Small-Molecule Inhibition of PD-1 Transcription Is an Effective Alternative to Antibody Blockade in Cancer Therapy
Notice bibliographique
Résumé
Abstract The impact of PD-1 immune checkpoint therapy prompts exploration of other strategies to downregulate PD-1 for cancer therapy. We previously showed that the serine/threonine kinase, glycogen synthase kinase, GSK-3α/β, is a central regulator of PD-1 transcription in CD8+ T cells. Here, we show that the use of small-molecule inhibitors of GSK-3α/β (GSK-3i) to reduce pcdc1 (PD-1) transcription and expression was as effective as anti–PD-1 and PD-L1–blocking antibodies in the control of B16 melanoma, or EL4 lymphoma, in primary tumor and metastatic settings. Furthermore, the conditional genetic deletion of GSK-3α/β reduced PD-1 expression on CD8+ T cells and limited B16 pulmonary metastasis to the same degree as PD-1 gene deficiency. In each model, GSK-3i inhibited PD-1 expression on tumor-infiltrating lymphocytes, while increasing Tbx21 (T-bet) transcription, and the expression of CD107a+ (LAMP1) and granzyme B (GZMB) on CD8+ T cells. Finally, the adoptive transfer of T cells treated ex vivo with a GSK-3 inhibitor delayed the onset of EL4 lymphoma growth to a similar extent as anti–PD-1 pretreatment. Overall, our findings show how GSK-3 inhibitors that downregulate PD-1 expression can enhance CD8+ T-cell function in cancer therapy to a similar degree as PD-1–blocking antibodies. Significance: These findings show how GSK-3 inhibitors that downregulate PD-1 expression can enhance CD8+ T-cell function in cancer therapy to a similar degree as PD-1 blocking antibodies, offering a next-generation approach in the design of immunotherapeutic approaches for cancer management. Cancer Res; 78(3); 706–17. ©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 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 | 0,001 | 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) | 0,000 | 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 ».