MétaCan
Menu
Retour à la cohorte
Enregistrement W2995697375 · doi:10.1172/jci.insight.133501

Combination of host immune metabolic biomarkers for the PD-1 blockade cancer immunotherapy

2019· article· en· W2995697375 sur OpenAlexaff
Ryusuke Hatae, Kenji Chamoto, Young Hak Kim, Kazuhiro Sonomura, Kei Taneishi, Shuji Kawaguchi, Hironori Yoshida, Hiroaki Ozasa, Yuichi Sakamori, Maryam Akrami, Sidonia Fagarasan, Izuru Masuda, Yasushi Okuno, Fumihiko Matsuda, Toyohiro Hirai, Tasuku Honjo

Notice bibliographique

RevueJCI Insight · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesOno PharmaceuticalJapan Agency for Medical Research and DevelopmentJapan Society for the Promotion of ScienceSysmex CorporationBristol-Myers Squibb
Mots-clésNivolumabBiomarkerImmune systemCD8ImmunotherapyImmune checkpointT cellCancerMetaboliteMetabolomicsMedicineOncologyCancer researchInternal medicineImmunologyBiologyBioinformaticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUNDCurrent clinical biomarkers for the programmed cell death 1 (PD-1) blockade therapy are insufficient because they rely only on the tumor properties, such as programmed cell death ligand 1 expression frequency and tumor mutation burden. Identifying reliable, responsive biomarkers based on the host immunity is necessary to improve the predictive values.METHODSWe investigated levels of plasma metabolites and T cell properties, including energy metabolism markers, in the blood of patients with non-small cell lung cancer before and after treatment with nivolumab (n = 55). Predictive values of combination markers statistically selected were evaluated by cross-validation and linear discriminant analysis on discovery and validation cohorts, respectively. Correlation between plasma metabolites and T cell markers was investigated.RESULTSThe 4 metabolites derived from the microbiome (hippuric acid), fatty acid oxidation (butyrylcarnitine), and redox (cystine and glutathione disulfide) provided high response probability (AUC = 0.91). Similarly, a combination of 4 T cell markers, those related to mitochondrial activation (PPARγ coactivator 1 expression and ROS), and the frequencies of CD8+PD-1hi and CD4+ T cells demonstrated even higher prediction value (AUC = 0.96). Among the pool of selected markers, the 4 T cell markers were exclusively selected as the highest predictive combination, probably because of their linkage to the abovementioned metabolite markers. In a prospective validation set (n = 24), these 4 cellular markers showed a high accuracy rate for clinical responses of patients (AUC = 0.92).CONCLUSIONCombination of biomarkers reflecting host immune activity is quite valuable for responder prediction.FUNDINGAMED under grant numbers 18cm0106302h0003, 18gm0710012h0105, and 18lk1403006h0002; the Tang Prize Foundation; and JSPS KAKENHI grant numbers JP16H06149, 17K19593, and 19K17673.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,015
Tête enseignante GPT0,284
Écart entre enseignants0,268 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations90
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJCI InsightMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207