Germline genomes have a dominant‐heritable contribution to cancer immune evasion and immunotherapy response
Notice bibliographique
Résumé
Background Immune evasion is a fundamental hallmark for cancer. At the early stages of tumor development, immune evasion strategies must be implemented by tumors to prevent attacks from the host immune systems. Blocking tumors’ immune evasion will re‐activate the host immune systems to eliminate tumors. Immune‐checkpoint therapy (ICT) which applies anti‐PD‐1/PD‐L1 or anti‐CTLA4 treatment has been a remarkable success in the past few years. However, ~70% of patients cannot gain any clinical benefits from ICT treatment due to the tumor‐immunity system’s complexity. In the past, germline pathogenic variants have been thought to have only minor‐heritable contributions to cancer. Results Emerging evidence has shown that germline genomes play a dominant‐heritable contribution to cancer via encoding the host immune system. The functional components of the immune system are encoded by the host genome, thus the germline genome might have a profound impact on cancer immune evasion and immunotherapy response. Indeed, recent studies showed that germline pathogenic variants can influence immune capacity in cancer patients at a population level by (i) shaping tumor somatic mutations, altering methylation patterns and antigen‐presentation capacity or (ii) influencing NK cell’s function to modulate lymphocyte infiltration in the tumor microenvironment. In addition, the HLA (types A, B or C) genotypes also shape the landscape of tumor somatic mutations. Conclusion These results highlight the indispensable roles of germline genome in immunity and cancer development and suggest that germline genomics should be integrated into the research field of cancer biology and cancer 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».