The influence of age and sex on the pre-treatment immune microenvironment of a carcinogen induced murine model of bladder cancer
Notice bibliographique
Résumé
Abstract The incidence of urothelial carcinoma of the bladder is four times higher in males than females; however, females tend to present with a more aggressive disease, a poorer response to immunotherapy and suffer worse clinical outcomes. Recent findings have demonstrated sexual dimorphism in the tumor immune microenvironment of non-muscle invasive bladder cancer and associated clinical outcomes. However, a significant gap in knowledge remains with respect to the current pre-clinical modeling approaches and more precisely recapitulating these differences towards improved therapeutic design. Based on the similarities in mucosal immune physiology between humans and mice, we evaluated the sex and age-related immune alterations in healthy murine bladders. Bulk-RNA sequencing and multiplex immunofluorescence based spatial immune profiling of healthy murine bladders from male and female mice of age groups spanning young to old showed a highly altered immune landscape that exhibited sex and age associated differences, particularly in the context of B cell associated responses. Spatial profiling using markers specific to macrophages, T lymphocytes, B lymphocytes, activated dendritic cells, high endothelial venules, myeloid cells and the PD-L1 immune checkpoint showed sex and age associated differences. Bladders from healthy older female mice showed a higher number of tertiary lymphoid structures (TLSs) compared to both young female and male equivalents. Spatial immune profiling of N-butyl-N-(4-hydroxybutyl) nitrosamine (BBN) carcinogen exposed male and female bladders from young and old mice revealed a similar frequency of TLS formation, sex differences in the bladder immune microenvironment and, age differences in latency of tumor induction. These findings support the incorporation of sex and age as factors in pre-clinical modeling of NMIBC and will potentially advance the field of immunotherapeutic drug development to improve clinical outcomes in NMIBC.
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 | 0,001 | 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 | 0,001 |
| 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 ».