CD73-dependent tumor resistance to agonistic anti-4-1BB therapy through TGF-β
Notice bibliographique
Résumé
Abstract Agonist antibodies (Ab) directed against costimulatory molecules on the surface of antigen-primed T cells are in various stages of pre-clinical and clinical trials, albeit with limited therapeutic benefit as single agents. The underlying immune suppressive mechanisms remain incompletely understood. In our study, we demonstrate an inhibitory role of ecto-enzyme CD73 for agonistic anti-4-1BB (anti-CD137) Ab therapy. In particular, anti-4-1BB treatment can downregulate the expression of CD73 on T cells by preferentially driving CD73− effector T cell response and achieve tumor inhibition. Anti-CD73 neutralizing Ab further improves anti-4-1BB therapy associated with enhanced anti-tumor T cell immunity. Furthermore, we find the same observation in the combination of anti-CD73 and anti-GITR, another agonist antibody. However, the TGF-β-rich tumor milieu confers resistance to anti-4-1BB and anti-GITR therapy by sustaining CD73 expression primarily on infiltrating CD8+T cells across several tumor models. TGF-β blockade results in downregulation of CD73 expression on infiltrating T cells and sensitizes resistant tumors to agonistic anti-4-1BB therapy with increased number and function of T cells. Thus, our findings identify a mechanism of action for more effective clinical targeting of 4-1BB or likely other costimulatory molecules.
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) | 0,002 | 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 ».