Inducing mismatch repair deficiency sensitizes immune-cold neuroblastoma to anti-CTLA4 and generates broad anti-tumor immune memory
Notice bibliographique
Résumé
Immune checkpoint blockade can induce potent and durable responses in patients with highly immunogenic mismatch repair-deficient tumors; however, these drugs are ineffective against immune-cold neuroblastoma tumors. To establish a role for a T cell-based therapy against neuroblastoma, we show that T cell and memory T cell-dependent gene expression are associated with improved survival in high-risk neuroblastoma patients. To stimulate anti-tumor immunity and reproduce this immune phenotype in neuroblastoma tumors, we used CRISPR-Cas9 to knockout MLH1 —a crucial molecule in the DNA mismatch repair pathway—to induce mismatch repair deficiency in a poorly immunogenic murine neuroblastoma model. Induced mismatch repair deficiency increased the expression of proinflammatory genes and stimulated T cell infiltration into neuroblastoma tumors. In contrast to adult cancers with induced mismatch repair deficiency, neuroblastoma tumors remained unresponsive to anti-PD1 treatment. However, anti-CTLA4 therapy was highly effective against these tumors. Anti-CTLA4 therapy promoted immune memory and T cell epitope spreading in cured animals. Mechanistically, the effect of anti-CTLA4 therapy against neuroblastoma tumors with induced mismatch repair deficiency is CD4 + T cell dependent, as depletion of these cells abolished the effect. Therefore, a therapeutic strategy involving mismatch repair deficiency-based T cell infiltration of neuroblastoma tumors combined with anti-CTLA4 can serve as a novel T cell-based treatment strategy for neuroblastoma.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».