Single-cell transcriptional analysis of the immune tumour microenvironment during myeloma disease evolution
Notice bibliographique
Résumé
Abstract Multiple myeloma is universally preceded by a premalignant disease state. However, efforts to develop preventative therapeutic strategies are hindered by an incomplete understanding of the immune mechanisms associated with progression. Using single-cell RNA-sequencing, we profiled 104,880 cells derived from the bone marrow of Vκ*MYC mice across the myeloma progression spectrum, of which 97,720 were identified as non-malignant cells of the tumour microenvironment. Analysis of the non-malignant cells comprising the immune microenvironment identified mechanisms associated with disease progression in innate and adaptive immune cell populations. This included activation of IL-17 signaling in myeloid cells from precursor mice, accompanied by upregulation of Il6 gene expression in basophils. In the T/Natural killer cell compartment, we identified Tox-expressing CD8+ T cells enriched in the tumour microenvironment of mice with overt disease, with co-expression of LAG3 and PD-1, as well as elevated T cell exhaustion signatures in mice with early disease. We subsequently showed that early intervention with combinatorial blockade of LAG3 and PD-1 using neutralizing monoclonal antibodies delayed tumor progression and improved survival of Vκ*MYC mice. Together, this work provides insight into the biology of myeloma evolution and nominates a treatment strategy for early disease.
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 ».