Inherited defects in natural killer cells shape tumor immune microenvironment, clinical outcome and immunotherapy response
Notice bibliographique
Résumé
Abstract Tumor immune microenvironment (TIME) plays an important role in metastasis and immunotherapy. However, it has been not much known how to classify TIMEs and how TIMEs are genetically regulated. Here we showed that tumors were classified into TIME-rich, -intermediate and -poor subtypes which had significant differences in clinical outcomes, abundances of tumor-infiltrating lymphocytes (TILs), the degree of key immune programs’ activation, and immunotherapy response across 13 common cancer types (n= ∼6,000). Furthermore, TIME-intermediate/-poor patients had significantly more inherited genetic defects (i.e., functional germline variants) in natural killer (NK) cells, antigen processing and presentation (APP) and Wnt signaling pathways than TIME-rich patients, and so did cancer patients than non-cancer individuals (n=4,500). These results suggested that individuals who had more inherited defects in NK cells, APP and Wnt pathways had a higher risk of developing cancers. Moreover, in the 13 common cancers the number of inheritably defected genes of NK cells was significantly negative-correlated with patients’ survival, TILs’ abundance in TIMEs and immunotherapy response, suggesting that inherited defects in NK cells alone were sufficient to shape TILs’ recruitment, clinical outcome, and immunotherapy response, highlighting that NK cell activation was required in the 13 cancer types to drive the recruitment of immune troops into TIMEs. Thus, we proposed that cancer was a disease of NK cell inherited deficiencies. These results had implications in identifying of high-risk individuals based on germline genomes, implementing precision cancer prevention by adoptive transfer of healthy NK cells, and improving existing immunotherapies by combining of adoptive NK cell transfer (i.e., converting TIME-intermediate/-poor tumors into TIME-rich tumors) and anti-PD-1 or CAR-T therapy. Contact EW ( edwin.wang@ucalgary.ca )
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) | 0,001 | 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 ».