Unmasking the suppressed immunopeptidome of EZH2-mutated diffuse large B-cell lymphomas through combination drug treatment
Notice bibliographique
Résumé
Exploring the repertoire of peptides presented on major histocompatibility complexes (MHCs) helps identify targets for immunotherapy in many hematologic malignancies. However, there is a paucity of such data for diffuse large B-cell lymphomas (DLBCLs), which might be explained by the profound downregulation of MHC expression in many DLBCLs, and in particular in the enhancer of zeste homolog 2 (EZH2)-mutated subgroup. Epigenetic drug treatment, especially in the context of interferon-γ (IFN-γ), restored MHC expression in DLBCL. In DLBCL, peptides presented on MHCs were identified via mass spectrometry after treatment with tazemetostat or decitabine alone or in combination with IFN-γ. Such treatment synergistically increased the expression of MHC class I surface proteins up to 50-fold and the expression of class II surface proteins up to threefold. Peptides presented on MHCs increased to a similar extent for both class I and class II MHCs. Overall, these treatments restored the diversity of the immunopeptidome to levels described in healthy B cells for 2 of 3 cell lines and allowed the systematic search for new targets for immunotherapy. Consequently, we identified multiple MHC ligands from the regulator of G protein signaling 13 (RGS13) and E2F transcription factor 8 (E2F8) on different MHC alleles, none of which have been described in healthy tissues and therefore represent tumor-specific MHC ligands that are unmasked only after drug treatment. Overall, our results show that EZH2 inhibition in combination with decitabine and IFN-γ can expand the repertoire of MHC ligands presented on DLBCLs by revealing suppressed epitopes, thus allowing the systematic analysis and identification of new potential immunotherapy targets.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».