Characterisation of immune checkpoints in Richter syndrome identifies LAG3 as a potential therapeutic target
Notice bibliographique
Résumé
Richter syndrome (RS), an aggressive lymphoma occurring in the context of chronic lymphocytic leukaemia/small lymphocytic lymphoma, is associated with poor prognosis when treated with conventional immunochemotherapy, therefore, improved treatments are required. Immune checkpoint blockade has shown efficacy in some B-cell malignancies and modest responses in early clinical trials for RS. We investigated the immune checkpoint profile of RS as a basis to inform rational therapeutic investigations in RS. Formalin-fixed, paraffin-embedded biopsies of RS (n = 19), de novo diffuse large B-cell lymphoma (DLBCL; n = 58), transformed indolent lymphomas (follicular [tFL], n = 16; marginal zone [tMZL], n = 24) and non-transformed small lymphocytic lymphoma (SLL; n = 15) underwent gene expression profiling using the NanoString Human Immunology panel. Copy number assessment was performed using next-generation sequencing. Immunohistochemistry (IHC) for LAG3 and PD-1 was performed. LAG3 gene expression was higher in RS compared to DLBCL (P = 0·0002, log2FC 1·96), tFL (P < 0·0001, log2FC 2·61), tMZL (P = 0·0004, log2FC 1·79) and SLL (P = 0·0057, log2FC 1·45). LAG3 gene expression correlated with the gene expression of human leukocyte antigen Class I and II, and related immune genes and immune checkpoints. IHC revealed LAG3 protein expression on both malignant RS cells and tumour-infiltrating lymphocytes. Our findings support the investigation of LAG3 inhibition to enhance anti-tumour responses in RS.
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 | 0,000 | 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) | 0,001 | 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 ».