MétaCan
Menu
← Retour à la cohorte
Enregistrement W2885806694 · doi:10.1158/1557-3265.ovca17-ia23

Abstract IA23: How does the immune system contend with intratumoral heterogeneity in ovarian cancer?

2018· article· en· W2885806694 sur OpenAlexaff
Brad H. Nelson

Notice bibliographique

RevueClinical Cancer Research · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésImmune systemBiologyOvarian cancerAntibodyAntigenImmunologyCancer researchCancerGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract The presence of tumor-infiltrating T cells and B cells is associated with markedly prolonged survival in high-grade serous ovarian cancer (HGSC), yet we have only a rudimentary understanding of how the immune system contends with the continually evolving tumor genome. HGSC exhibits extensive spatial heterogeneity at diagnosis, and tumors undergo dramatic changes in response to treatment. In long-term survivors, the immune system presumably deploys mechanisms that successfully respond to these changes. With better understanding, it may be possible to exploit these mechanisms to create more effective immunotherapies. We have shown that the most prognostically favorable immune responses involve both cytolytic and antibody-based mechanisms, suggesting important cooperative interactions between the T cell and B cell branches of the immune system. By studying serial tumor samples, we have uncovered extensive temporal dynamics of the antitumor immune response. We found that neoadjuvant chemotherapy can enhance preexisting immune responses yet generally fails to initiate responses in tumors that lack immune infiltrates at baseline. Indeed, with better understanding, these immunologically inert or “cold” tumors may represent an attractive therapeutic opportunity, as they can express high levels of tumor-specific antigens with corresponding systemic T-cell and antibody responses. Currently, we are looking at the issue of spatial heterogeneity by subjecting tumor samples collected from different anatomical locations to comprehensive genomic and immunologic analyses, including mutational profiling, RNA-seq, TCR/BCR-seq, and multi-plexed immunohistochemistry. This work is providing novel insights into the relationship between the clonal architecture of tumors and antitumor immunity. Our findings to date indicate that tumor deposits with a high degree of clonal heterogeneity generally have low densities of immune infiltrates, suggesting a means by which tumor evolutionary processes are insulated from immunologic attack. Furthermore, TCR-seq experiments are providing early evidence that T-cell clones track with individual tumor clones across space, suggesting that the immune system contends with intratumoral heterogeneity by battling each tumor clone individually. The presentation will address the implications of these findings on the design of more effective immunotherapies for HGSC and related cancers. Citation Format: Brad H. Nelson. How does the immune system contend with intratumoral heterogeneity in ovarian cancer? [abstract]. In: Proceedings of the AACR Conference: Addressing Critical Questions in Ovarian Cancer Research and Treatment; Oct 1-4, 2017; Pittsburgh, PA. Philadelphia (PA): AACR; Clin Cancer Res 2018;24(15_Suppl):Abstract nr IA23.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,185
Tête enseignante GPT0,485
Écart entre enseignants0,301 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer Research→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→