Gut microbiome composition to predict resistance in renal cell carcinoma (RCC) patients on nivolumab.
Notice bibliographique
Résumé
4519 Background: Efforts are ongoing to identify mechanisms driving response/resistance to immune checkpoint inhibitors (ICI) in order to personalize therapy. Recently, we speculated that antibiotics (ATB)-related dysbiosis decreases activity of ICI in cancer pts. We and others reported that outcome with ICI in melanoma and epithelial cancers were influenced by the microbiome composition. Here we evaluated the impact of microbiome in RCC. Methods: Within a large cohort of RCC pts (n = 85) treated in the NIVOREN study with nivolumab at Gustave Roussy, we prospectively collected fecal samples (n = 69). Of note, the minority of them received ATB before starting ICI (n = 11). Pts were classified as either primary resistant (PD) or non-PD based on RECIST (outcome, 6 months PFS). Metagenomic (MG) data from whole genome sequencing (WGS) were analyzed by multivariate and pair-wise/fold ratio (FR). Then, ICI-resistant RENCA mice were compensated with fecal microbiota transplantation (FMT) from non-PD pts or with commensals identified by WGS-MG to restore responsiveness to ICI to establish cause-effect relationship between dysbiosis and resistance. Results: After a median follow-up of 14 months, 27 (39%) pts were PD and 42 (61%) pts were non-PD, based on best response. Considering pts who received ATB, 8 (73%) were PD and 3 (27%) were non-PD (p = 0.01). The microbiome alfa (intra-sample) and beta (inter-sample) diversity were not significantly different among PD and non-PD RCC pts. However, specific gut MG-fingerprints were related to best responses and/or PFS6. Excluding ATB treated patients, Akkermansia muciniphila and Bacteroides salyersiae were more abundant in non-PD pts with a FR of 2.65 (p = 0.01) and 27.09 (p = 0.05), respectively. Finally, we showed that Bacteroides (B. salyersiae but not B. xylanisolvens) or A. muciniphila could restore the efficacy of ICI in
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 | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».