Molecular cytometry identifies a wide range of translationally relevant markers in tumor and peripheral immune cells of lung cancer patients
Notice bibliographique
Résumé
Abstract Many immunotherapy drugs, used singly or in combination, are emerging. To realize precision oncology, and better design clinical trials, in-depth immune profiling is key. Many new technologies are available; the most promising simultaneously analyzes >102 proteins and 400 mRNA cell-by-cell (molecular cytometry). Using this technology, we deeply profiled TIL, from freshly resected lung tissue, and PBMC collected at surgery (n=10). Antibody staining was robust, with all canonical cell populations at expected frequency. We identified markers uniquely upregulated in TIL, including CXCR6, CD39, CD26, CD69, CD103, and RGS. We also asked what markers were uniquely enriched in PD1-TIL, in order to find other drug targets for patients who fail Nivolumab. We found many molecules upregulated in PD1-TIL, including CD326, CD98, LGALS3, TIM3, CD54, CD235ab, CXCL8, CD141, and CD117. We further identified precise combinations of these markers that inform design of combination immunotherapy. We also characterized immune landscapes in metastatic disease vs. localized adenocarcinoma, finding drug targets and tumor-immune interactions are different across these settings. For example, T-cell activation markers are downregulated in metastatic tissue, e.g., HLADR (p = 1.5E-16), CD69 (p=2.9e-10), and CD38 (p=3.2e-16). CD103 was also highly downregulated (p=1.9E-14). Notably, in metastatic disease various myeloid proteins are elevated, including CD206 (p=0.002), CD32 (p=0.02), and CD61 (p=0.006). We also characterized the degree of immune exhaustion, using ratios of ZBED2:LGALS in cells. In summary, we demonstrate the utility of molecular cytometry for providing unique (and translationally-relevant) insight into lung cancer.
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) | 0,005 | 0,001 |
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 ».