Combination therapy for cancer with IL-27 and anti-PD-1: A simplified mathematical model
Notice bibliographique
Résumé
Many experiential and clinical trials in cancer treatment show that a combination of immune checkpoint inhibitor with another agent can improve the tumor reduction. Anti Programmed death 1 (Anti-PD-1) is one of these immune checkpoint inhibitors that re-activate immune cells to inhibit tumor growth. In this work, we consider a combination treatment of anti-PD-1 and Interleukin-27 (IL-27). IL-27 has anti-cancer functions to promote the development of Th1 and CD8$^+$ T cells, but it also upregulates the expression of PD-1 and Programmed death ligand 1 (PD-L1) to inactivate these T cells. Thus, the functions of IL-27 in tumor growth is controversial. Hence, we create a simplified mathematical model to investigate whether IL-27 is pro-cancer or anti-cancer in the combination with anti-PD-1 and to what degree anti-PD-1 improves the efficacy of IL-27. Our synergy analysis for the combination treatment of IL-27 and anti-PD-1 shows that (i) ant-PD-1 can efficiently improve the treatment efficacy of IL-27; and (ii) there exists a monotone increasing function $F_c(G)$ depending on the treatment efficacy of anti-PD-1 $G$ such that IL-27 is an efficient anti-cancer agent when its dose is smaller than $F_c(G)$, whereas IL-27 is a pro-cancer agent when its dose is higher than $F_c(G)$. Our analysis also provides the existence and the local stability of the trivial, non-negative, and positive equilibria of the model. Combining with simulation, we discuss the effect of the IL-27 dosage on the equilibria and find that the T cells and IFN-$\gamma$ could vanish and tumor cells preserve, when the production rate of T cells by IL-27 is low or the dosage of IL-27 is low.
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 ».