Mega- and meta-analyses of fecal metagenomic studies assessing response to immune checkpoint inhibitors
Notice bibliographique
Résumé
Abstract Purpose Gut microbiota have been associated with response to immune checkpoint inhibitors (ICI) including anti-PD-1 and anti-CTLA-4 antibodies. However, inter-study difference in design, patient cohorts and data analysis pose challenges to identifying species consistently associated with response to ICI or lack thereof. Experimental Design We uniformly processed and analyzed data from three studies of microbial metagenomes in cancer immunotherapy response (four distinct data sets) to identify species consistently associated with response or non-response (n=190 patient samples). Metagenomic data were processed and analyzed using Metaphlan v2.0. Meta- and mega-analyses were performed using a two-part modelling approach of species present in at least 20% of samples to account for both prevalence and relative abundance differences between responders/non-responders. Results Meta- and mega-analyses identified five species that were concordantly significantly different between responders and non-responders. Amongst them, Bacteroides thetaiotaomicron and Clostridium bolteae relative abundance (RA) were independently predictive of non-response to immunotherapy when data sets were combined and analyzed using mega-analyses (AUC 0.59 95% CI 0.51-0.68 and AUC 0.61 95% CI 0.52-0.69, respectively). Conclusions Meta- and mega-analysis of published metagenomic studies identified bacterial species both positively and negatively associated with immunotherapy responsiveness across four published cohorts.
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 | 0,014 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,009 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».