MétaCan
Menu
Retour à la cohorte
Enregistrement W2809644342 · doi:10.1101/352559

Cancer stemness, intratumoral heterogeneity, and immune response across cancers

2018· preprint· en· W2809644342 sur OpenAlexaff
Alex Miranda, Phineas T. Hamilton, Allen W. Zhang, Étienne Becht, Artur Mezheyeuski, Jarle Bruun, Patrick Micke, Aurélien de Reyniès, Brad H. Nelson

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of VictoriaBC Children's HospitalUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBiologyImmune systemCancer stem cellCancer researchCancerStem cellTumor progressionPhenotypeCancer cellTumor microenvironmentTranscriptomeImmunologyGene expressionGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Summary Regulatory programs that control the function of stem cells are active in cancer and confer properties that promote progression and therapy resistance. However, the impact of a stem cell-like tumor phenotype (“sternness”) on the immunological properties of cancer has not been systematically explored. Using gene expression-based metrics, we evaluate the association of stemness with immune cell infiltration and genomic, transcriptomic, and clinical parameters across 21 solid cancers. We find pervasive negative associations between cancer stemness and anticancer immunity. This occurs despite high stemness cancers exhibiting increased mutation load, cancer-testis antigen expression, and intratumoral heterogeneity. Stemness was also strongly associated with cell-intrinsic suppression of endogenous retroviral expression and type I interferon signaling and increased expression of several therapeutically accessible signaling pathways. Thus, stemness is not only a fundamental process in cancer progression but may represent a unifying mechanism linking antigenicity, intratumoral heterogeneity, and immune suppression across cancers.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,559
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,020
Tête enseignante GPT0,285
Écart entre enseignants0,265 · 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.

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

Citations54
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetCancer Immunotherapy and BiomarkersTravaux en français237 207