Therapeutic Targeting of LIF Overcomes Macrophage-mediated Immunosuppression of the Local Tumor Microenvironment
Notice bibliographique
Résumé
PURPOSE: Leukemia inhibitory factor (LIF) is a multifunctional cytokine with numerous reported roles in cancer and is thought to drive tumor development and progression. Characterization of LIF and clinical-stage LIF inhibitors would increase our understanding of LIF as a therapeutic target. EXPERIMENTAL DESIGN: We first tested the association of LIF expression with transcript signatures representing multiple processes regulating tumor development and progression. Next, we developed MSC-1, a high-affinity therapeutic antibody that potently inhibits LIF signaling and tested it in immune competent animal models of cancer. RESULTS: LIF was associated with signatures of tumor-associated macrophages (TAM) across 7,769 tumor samples spanning 22 solid tumor indications. In human tumors, LIF receptor was highly expressed within the macrophage compartment and LIF treatment drove macrophages to acquire immunosuppressive capacity. MSC-1 potently inhibited LIF signaling by binding an epitope that overlaps with the gp130 receptor binding site on LIF. MSC-1 showed monotherapy efficacy in vivo and drove TAMs to acquire antitumor and proinflammatory function in syngeneic colon cancer mouse models. Combining MSC-1 with anti-PD1 leads to strong antitumor response and a long-term tumor-free survival in a significant proportion of treated mice. CONCLUSIONS: Overall, our findings highlight LIF as a therapeutic target for cancer immunotherapy.
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 | 0,001 |
| 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 ».