Toward a comprehensive view of cancer immune responsiveness: a synopsis from the SITC workshop
Notice bibliographique
Résumé
Tumor immunology has changed the landscape of cancer treatment. Yet, not all patients benefit as cancer immune responsiveness (CIR) remains a limitation in a considerable proportion of cases. The multifactorial determinants of CIR include the genetic makeup of the patient, the genomic instability central to cancer development, the evolutionary emergence of cancer phenotypes under the influence of immune editing, and external modifiers such as demographics, environment, treatment potency, co-morbidities and cancer-independent alterations including immune homeostasis and polymorphisms in the major and minor histocompatibility molecules, cytokines, and chemokines. Based on the premise that cancer is fundamentally a disorder of the genes arising within a cell biologic process, whose deviations from normality determine the rules of engagement with the host's response, the Society for Immunotherapy of Cancer (SITC) convened a task force of experts from various disciplines including, immunology, oncology, biophysics, structural biology, molecular and cellular biology, genetics, and bioinformatics to address the complexity of CIR from a holistic view. The task force was launched by a workshop held in San Francisco on May 14-15, 2018 aimed at two preeminent goals: 1) to identify the fundamental questions related to CIR and 2) to create an interactive community of experts that could guide scientific and research priorities by forming a logical progression supported by multiple perspectives to uncover mechanisms of CIR. This workshop was a first step toward a second meeting where the focus would be to address the actionability of some of the questions identified by working groups. In this event, five working groups aimed at defining a path to test hypotheses according to their relevance to human cancer and identifying experimental models closest to human biology, which include: 1) Germline-Genetic, 2) Somatic-Genetic and 3) Genomic-Transcriptional contributions to CIR, 4) Determinant(s) of Immunogenic Cell Death that modulate CIR, and 5) Experimental Models that best represent CIR and its conversion to an immune responsive state. This manuscript summarizes the contributions from each group and should be considered as a first milestone in the path toward a more contemporary understanding of CIR. We appreciate that this effort is far from comprehensive and that other relevant aspects related to CIR such as the microbiome, the individual's recombined T cell and B cell receptors, and the metabolic status of cancer and immune cells were not fully included. These and other important factors will be included in future activities of the taskforce. The taskforce will focus on prioritization and specific actionable approach to answer the identified questions and implementing the collaborations in the follow-up workshop, which will be held in Houston on September 4-5, 2019.
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 | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,003 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,028 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».