Immune gene expression profiles in high-grade urothelial carcinoma of the bladder: a NanoString study
Notice bibliographique
Résumé
Aims The advent of immune checkpoint inhibitor therapy has proven beneficial in a subset of high-grade urothelial carcinomas (HGUC) of the bladder. Although treatment selection is currently largely determined by programmed death-ligand 1 (PD-L1) status, multiple factors in the immune system may modulate the host immune response to HGUC and immunotherapy. In this pilot study, we used a transcriptomic approach to identify the immune milieu associated with PD-L1 expression to enhance our understanding of the HGUC immune evasion network. Methods The immune transcriptome of 40 HGUC cystectomy cases was profiled using the NanoString nCounter Human V.1.1 PanCancer Panel. All cases were assessed for associated PD-L1 status (SP263) using whole tissue sections. PD-L1 status was determined as high or low using 25% tumour and/or immune cell staining. Results The most significantly differentially expressed gene was PD-L1 messenger RNA ( CD274 ), which strongly correlated with protein expression (r=0.720, p<0.001). The sensitivity, specificity, positive and negative predictive values of CD274 for PD-L1 expression were 85%, 96%, 92% and 93%, respectively. The PD-L1 associated gene signature also included complement components C1QA and CD46 and NOD2 (innate immune system), proinflammatory cytokines CXCL14, CXCL16, CCL3, CCL3L1 and OSM along with the immune response mediator SMAD3, among others. Pathway analysis determined enrichment of these genes in interleukin-10 production, lymphocyte chemotaxis and aberrant IFNγ, NF-κB and ERK signalling networks. Conclusions We report key genes and pathways in the immune transcriptome and their association with PD-L1 status, which may be involved in immune evasion of HGUC and warrants further investigation.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».