Multifactorial remodeling of the cancer immunopeptidome by interferon gamma
Notice bibliographique
Résumé
Abstract IFNγ alters the immunopeptidome presented on HLA class I (HLA-I), and its activity on cancer cells is known to be important for effective immunotherapy responses. We performed proteomic analyses of untreated and IFNγ-treated colorectal cancer patient-derived organoids (PDOs) and combined this with transcriptomic and HLA-I immunopeptidomics data to dissect mechanisms that lead to remodeling of the immunopeptidome through IFNγ. IFNγ-induced changes in the abundance of source proteins, switching from the constitutive- to the immunoproteasome, and differential upregulation of different HLA alleles explained some, but not all, observed peptide abundance changes. By selecting for peptides which increased or decreased the most in abundance, but originated from proteins with limited abundance changes, we discovered that the amino acid composition of presented peptides also influences whether a peptide is up- or downregulated on HLA-I through IFNγ. The presence of proline within the peptide core was most strongly associated with peptide downregulation. This was validated in an independent dataset. Proline substitution in relevant core positions did not influence the predicted HLA-I binding affinity or stability, indicating that proline effects on peptide processing may be most relevant. Understanding the multiple factors that influence the abundance of peptides presented on HLA-I in the absence or presence of IFNγ is important to identify the best targets for antigen-specific cancer immunotherapies such as vaccines or T-cell receptor engineered therapeutics.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».