Countering the advert effects of lung cancer on the anticancer potential of dendritic cell populations reinstates sensitivity to anti-PD-1 therapy
Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer-related deaths. While the recent use of immune checkpoint inhibitors significantly improves patient outcomes, responsiveness remains restricted to a small proportion of patients. Conventional dendritic cells (DCs) play a major role in anticancer immunity. In mice, two subpopulations of DCs are found in the lung: DC2s (CD11b+Sirpα+) and DC1s (CD103+XCR1+), the latest specializing in the promotion of anticancer immune responses. However, the impact of lung cancer on DC populations and the consequent influence on the anticancer immune response remain poorly understood. To address this, DC populations were studied in murine models of Lewis Lung Carcinoma (LLC) and melanoma-induced lung metastasis (B16F10). We report that direct exposure to live or dead cancer cells impacts the capacity of DCs to differentiate into CD103+ DC1s, leading to profound alterations in CD103+ DC1 proportions in the lung. In addition, we observed the accumulation of CD103loCD11b+ DCs, which express DC2 markers IRF4 and Sirpα, high levels of T-cell inhibitory molecules PD-L1/2 and the regulatory molecule CD200. Finally, DC1s were injected in combination with an immune checkpoint inhibitor (anti-PD-1) in the B16F10 model of resistance to the anti-PD-1 immune checkpoint therapy; the co-injection restored sensitivity to immunotherapy. Thus, we demonstrate that lung tumor development leads to the accumulation of CD103loCD11b+ DCs with a regulatory potential combined with a reduced proportion of highly-specialized antitumor CD103+ DC1s, which could promote cancer growth. Additionally, promoting an anticancer DC signature could be an interesting therapeutic avenue to increase the efficacy of existing immune checkpoint inhibitors.
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 | 0,001 |
| 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 ».