Dissecting the NK Cell Population in Hematological Cancers Confirms the Presence of Tumor Cells and Their Impact on NK Population Function
Notice bibliographique
Résumé
The lymphocyte lineage natural killer (NK) cell is part of the innate immune system and protects against pathogens and tumor cells. NK cells are the main cell effectors of the monoclonal antibodies (mAbs) that mediates antibody-dependent cell cytotoxicity (ADCC). Hence, it is relevant to understand NK physiology and status to investigate the biological effect of mAbs in the clinic. NK cells are heterogeneous with multiple subsets that may have specific activity against different attacks. The presence of viral-sculpted NK cell populations has already been described, but the presence of cancer-sculpted NK cells remains unknown. Cancer induces a broad NK cell dysfunction, which has not been linked to a specific population. Here, we investigated the NK cell population by Uniform Manifold Approximation and Projection (UMAP) embed maps in Hodgkin lymphoma (HL) and acute myeloid leukemia (AML) patients at diagnosis and at least 30 days after treatment, which correlates with tumor cell clearance. We found that the NK lineage largely responded to the tumor by generating antitumor NK cells and renewing the population with a subset of immature NK cells. However, we failed to identify a specific “memory-like” subset with the NK cell markers used. Moreover, in patients in relapse, we found essentially the same NK populations as those found at diagnosis, suggesting that NK cells equally respond to the first or second tumor rise. Finally, we observed that previous cytomegalovirus (CMV) infection largely affects the tumor-associated changes in NK population, but the CMV-associated CD57+NKG2C+ NK cell population does not appear to play any role in tumor immunity.
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 ».