MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313381379 · doi:10.4049/jimmunol.202.supp.194.5

T-Cell Intrinsic Mechanisms of Resistance to PD-1 Checkpoint Blockade

2019· article· en· W4313381379 sur OpenAlexaff
Michelle Krogsgaard, Duane Moogk, Lin Wang, Kaito Li, Zhou Yuan, Jeffrey S. Weber, Iman Osman, Cheng Zhu

Notice bibliographique

RevueThe Journal of Immunology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBlockadeImmune checkpointT-cell receptorT cellSignal transductionBiologyCancer immunotherapyImmunotherapyCD28Immune systemCD8Cell biologyAntigenCancer researchReceptorImmunologyComputational biologyGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Although much clinical progress has been made in harnessing the immune system to recognize and target cancer, there is still a significant lack of an understanding of how tumors evade immune recognition and the mechanisms that drive tumor resistance to both T cell and checkpoint blockade immunotherapy. Our objective is to understand how tumor-mediated signaling through inhibitory receptors, including PD-1, combine to affect the process of T cell recognition of tumor antigen and activation signaling. Our goal is to understand the basis of resistance to PD-1 blockade and potentially identify new molecular targets to enable T cells to overcome dysfunction mediated by multiple inhibitory receptors. Biomembrane Force Probe(BFP) measurements show that that the activities of TCR-proximal signaling components affect T cell mechanosensing and sensitivity at the earliest stages of antigen recognition and are influenced by PD-1 and other inhibitory receptors via Shp-1/2 by targeting CD28 and Lckto directly suppress TCR-pMHC-CD8 binding. Phospho-proteomics and flow cytometry-based analysis of patient-derived T cells from PD-1 responders and non-responders identified additional mediators, signaling components and pathways associated with PD-1 checkpoint blockade resistance. CRISPR/Cas9 mediated genome editing was utilized to determine if resistance is mediated by the continued signaling of multiple IRs by perturbing IR signaling in mouse models of PD-1 blockade. Targeting these interactions and understanding the basis of resistance to PD-1 blockade would potentially allow identification of novel biomarkers of resistance or new molecular targets to enable T cells to overcome dysfunction during PD-1 checkpoint blockade.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,238
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Immunology→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→