Single-Cell Immune Mapping of Melanoma Sentinel Lymph Nodes Reveals an Actionable Immunotolerant Microenvironment
Notice bibliographique
Résumé
PURPOSE: Improving our understanding of the immunologic response to cancer cells within the sentinel lymph nodes (SLN) of primary tumors is expected to identify new approaches to stimulate clinically meaningful cancer immunity. EXPERIMENTAL DESIGN: We used mass cytometry by time-of-flight (CyTOF), flow cytometry, and T-cell receptor immunosequencing to conduct simultaneous single-cell analyses of immune cells in the SLNs of patients with melanoma. RESULTS: We found increased effector-memory αβ T cells, TCR clonality, and γδ T cells selectively in the melanoma-bearing SLNs relative to non-melanoma-bearing SLNs, consistent with possible activation of an antitumor immune response. However, we also observed a markedly immunotolerant environment in the melanoma-bearing SLNs indicated by reduced and impaired NK cells and increased levels of CD8+CD57+PD-1+ cells, which are known to display low melanoma killing capabilities. Other changes observed in melanoma-bearing SLNs when compared with non-melanoma-bearing SLNs include (i) reduced CD8+CD69+ T cell/T regulatory cell ratio, (ii) high PD-1 expression on CD4+ and CD8+ T cells, and (iii) high CTLA-4 expression on γδ T cells. CONCLUSIONS: Our data suggest that these immunologic changes compromise antimelanoma immunity and contribute to a high relapse rate. We propose the development of clinical trials to test the neo-adjuvant administration of anti-PD-1 antibodies prior to SLN resection in patients with stage III melanoma. See related commentary by Lund, p. 1996.
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 ».