Genome and Transcriptome Biomarkers of Response to Immune Checkpoint Inhibitors in Advanced Solid Tumors
Notice bibliographique
Résumé
Abstract Purpose: Immune checkpoint inhibitors (ICI) have revolutionized the treatment of solid tumors with dramatic and durable responses seen across multiple tumor types. However, identifying patients who will respond to these drugs remains challenging, particularly in the context of advanced and previously treated cancers. Experimental Design: We characterized fresh tumor biopsies from a heterogeneous pan-cancer cohort of 98 patients with metastatic predominantly pretreated disease through the Personalized OncoGenomics program at BC Cancer (Vancouver, Canada) using whole genome and transcriptome analysis (WGTA). Baseline characteristics and follow-up data were collected retrospectively. Results: We found that tumor mutation burden, independent of mismatch repair status, was the most predictive marker of time to progression (P = 0.007), but immune-related CD8+ T-cell and M1-M2 macrophage ratio scores were more predictive for overall survival (OS; P = 0.0014 and 0.0012, respectively). While CD274 [programmed death-ligand 1 (PD-L1)] gene expression is comparable with protein levels detected by IHC, we did not observe a clinical benefit for patients with this marker. We demonstrate that a combination of markers based on WGTA provides the best stratification of patients (P = 0.00071, OS), and also present a case study of possible acquired resistance to pembrolizumab in a patient with non–small cell lung cancer. Conclusions: Interpreting the tumor-immune interface to predict ICI efficacy remains challenging. WGTA allows for identification of multiple biomarkers simultaneously that in combination may help to identify responders, particularly in the context of a heterogeneous population of advanced and previously treated cancers, thus precluding tumor type–specific testing.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».