Monitoring Immune Checkpoint Regulators as Predictive Biomarkers in Hepatocellular Carcinoma
Notice bibliographique
Résumé
The global burden of Hepatocellular carcinoma (HCC), one of the frequent causes of cancer-related deaths worldwide, is rapidly increasing partly due to the limited treatment options available for this disease and recurrence due to therapy resistance. Immune checkpoint inhibitors that are proved to be beneficial in the treatment of advanced melanoma and other cancer types are currently in clinical trials in HCC. These ongoing trials are testing the efficacy and safety of a few select checkpoints in HCC. Similar to observations in other cancers, these immune checkpoint blockade treatments as monotherapy may benefit only a fraction of HCC patients. Studies that assess the prevalence and distribution of other immune checkpoints/modulatory molecules in HCC have been limited. Moreover, robust predictors to identify which HCC patients will respond to immunotherapy are currently lacking. The objective of this study is to perform a comprehensive evaluation on different immune modulators as predictive biomarkers to monitor HCC patients at high risk for poor prognosis. We screened publically available HCC patient databases for the expression of previously well described immune checkpoint regulators and evaluated the usefulness of these immune modulators to predict high risk, patient overall survival and recurrence. We also identified the immune modulators that synergized with known immune evasion molecules PD-L1, PD-1 and CTLA-4 and correlated with worse patient outcomes. We evaluated the association between the expression of epithelial-to-mesenchymal (EMT) markers and PD-L1 in HCC patient tumors. We also examined the relationship of tumor mutational burden with HCC patient survival. Notably, expression of immune modulators B7-H4, PD-L2, TIM-3, and VISTA were independently associated with worse prognosis, while B7-H4, CD73 and VISTA predicted low recurrence free survival. Moreover, the prognosis of patients expressing high PD-L1 with high B7-H4, TIM-3, VISTA, CD73 and PD-L2 expression was significantly worse. Interestingly, PD-L1 expression in HCC patients in the high risk group was closely associated with EMT marker expression and prognosticates poor survival. In HCC patients, high TMB predicted worse patient outcomes than those with low TMB.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».