A multi‐omic single cell sequencing approach to develop a <scp>CD8</scp> T cell specific gene signature for <scp>anti‐PD1</scp> response in solid tumors
Notice bibliographique
Résumé
Abstract Immune checkpoint blockade (ICB) has led to durable clinical responses in multiple cancer types. However, biomarkers that identify which patients are most likely to respond to ICB are not well defined. Many putative biomarkers developed from a small number of samples often fail to maintain their predictive status in larger validation cohorts. We show across multiple human malignancies and syngeneic murine tumor models that neither pretreatment T cell receptor (TCR) clonality nor changes in clonality after ICB correlate with response. Dissection of tumor infiltrating lymphocytes pre‐ and post‐ICB by paired single‐cell RNA sequencing and single‐cell TCR sequencing reveals conserved and distinct transcriptomic features in expanded TCR clonotypes between anti‐PD1 responder and nonresponder murine tumor models. Overall, our results indicate a productive anti‐tumor response is agnostic of TCR clonal expansion. Further, we used single‐cell transcriptomics to develop a CD8+ T cell specific gene signature for a productive anti‐tumor response and show the response signature to be associated with overall survival (OS) on nivolumab monotherapy in CheckMate‐067, a phase 3 clinical trial in metastatic melanoma. These results highlight the value of leveraging single‐cell assays to dissect heterogeneous tumor and immune subsets and define cell‐type specific transcriptomic biomarkers of ICB response.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».