Relationships Between Immune Landscapes, Genetic Subtypes and Responses to Immunotherapy in Colorectal Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Colorectal cancer (CRC) is highly heterogeneous at the genetic and molecular level, which has major repercussions on the efficacy of immunotherapy. A small subset of CRCs exhibit microsatellite instability (MSI), a molecular indicator of defective DNA mismatch repair (MMR), but the majority are microsatellite-stable (MSS). The high tumor mutational burden (TMB) and neoantigen load in MSI tumors favors the infiltration of immune effector cells, and antitumor immune responses within these tumors are strong relative to their MSS counterparts. MSI has emerged as a major predictive marker for the efficacy of immune checkpoint blockade over the last few years and nivolumab or pembrolizumab targeting PD-1 has been approved for patients with MSI refractory or metastatic CRC. However, some MSS tumors show DNA polymerase epsilon (POLE) mutations that also confer a very high TMB and may also be heavily infiltrated by immune cells making them amenable to respond to immune checkpoint inhibitors (ICI). In this review we discuss the role of the different immune landscapes in CRC and their relationships with defined CRC genetic subtypes. We discuss potential reasons why immune checkpoint blockade has met with limited success for the majority of CRC patients, despite the finding that immune cell infiltration of primary non-metastatic tumors is a strong predictive, and prognostic factor for relapse and survival. We then consider in which ways CRC cells develop mechanisms to resist ICI. Finally, we address the latest advances in CRC vaccination and how a personalized neoantigen vaccine strategy might overcome the resistance of MSI and MSS tumors in patients for whom immune checkpoint blockade is not a treatment option.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle