IL-18 and Lower Risk for Lung Cancer: Triangulated Evidence from Germline Predictions, Pre-Diagnostic Measurements, and Tumor Expression
Notice bibliographique
Résumé
Abstract Lung cancer remains the most common cause of cancer death globally. Dysregulation of immune response and inflammatory signaling is known to play an important role in lung tumorigenesis, but the causal drivers of this process have yet to be elucidated. To identify circulating inflammatory and immune-related proteins that influence risk for lung cancer we related genetically predicted plasma levels for 85 inflammation and immune proteins with susceptibility to lung cancer. Mendelian randomization (MR) analyses in 29,266 cases and 56,450 controls identified a candidate causal marker, IL-18, which conferred lower risk of lung cancer (OR per standard deviation increase: 0.85 [95% CI: 0.79-0.92]), in particular for adenocarcinoma (OR: 0.80 [95% CI: 0.72-0.89]). We subsequently validated this association using polygenic IL-18 predictions in the UK Biobank (HR highest vs. lowest quartile: 0.83 [95% CI: 0.72-0.95]) and using pre-diagnostic blood concentrations of IL-18 in 732 cases and 732 controls after controlling for the inhibitory role of IL-18BP (OR highest vs. lowest quartile: 0. 63 [95% CI: 0. 41-0.91]). Genetic colocalization suggested that IL-18 may act on lung cancer risk locally via lung tissue expression, and joint MR and tumor microenvironment analyses highlight CD8 T cells and NK cells as potential mediators. In addition to risk, IL-18 expression in adenocarcinoma tumor tissue was found to be associated with all-cause mortality in 480 TCGA samples after controlling for IL-18BP (HR per SD: 0.87 [95% CI: 0.78, 0.98]), which is in line with recent studies showing anti-tumor effects of IL-18. Our comprehensive genomic triangulation study thus highlights the potential for IL-18 as an aetiological biomarker and targetable for immune-oncology therapies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».