Proteogenomics Uncovers a Vast Repertoire of Shared Tumor-Specific Antigens in Ovarian Cancer
Notice bibliographique
Résumé
Abstract High-grade serous ovarian cancer (HGSC), the principal cause of death from gynecologic malignancies in the world, has not significantly benefited from advances in cancer immunotherapy. Although HGSC infiltration by lymphocytes correlates with superior survival, the nature of antigens that can elicit anti-HGSC immune responses is unknown. The goal of this study was to establish the global landscape of HGSC tumor-specific antigens (TSA) using a mass spectrometry pipeline that interrogated all reading frames of all genomic regions. In 23 HGSC tumors, we identified 103 TSAs. Classic TSA discovery approaches focusing only on mutated exonic sequences would have uncovered only three of these TSAs. Other mutated TSAs resulted from out-of-frame exonic translation (n = 2) or from noncoding sequences (n = 7). One group of TSAs (n = 91) derived from aberrantly expressed unmutated genomic sequences, which were not expressed in normal tissues. These aberrantly expressed TSAs (aeTSA) originated primarily from nonexonic sequences, in particular intronic (29%) and intergenic (22%) sequences. Their expression was regulated at the transcriptional level by variations in gene copy number and DNA methylation. Although mutated TSAs were unique to individual tumors, aeTSAs were shared by a large proportion of HGSCs. Taking into account the frequency of aeTSA expression and HLA allele frequencies, we calculated that, in Caucasians, the median number of aeTSAs per tumor would be five. We conclude that, in view of their number and the fact that they are shared by many tumors, aeTSAs may be the most attractive targets for HGSC immunotherapy.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».