MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313408129 · doi:10.4049/jimmunol.208.supp.180.03

Peripheral CD4 T cell resistance to type I interferon defines outcome of PD1 blockade therapy in human cancer

2022· article· en· W4313408129 sur OpenAlexaffabout
Giselle M. Boukhaled, Ramy Gadalla, Heidi Elsaesser, Adrian G. Sacher, Marcus O. Butler, David G. Brooks

Notice bibliographique

RevueThe Journal of Immunology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensUniversity of TorontoPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésImmune systemBlockadeImmune checkpointImmunologyMedicineImmunotherapyMyeloidInterferonCancerInflammationMelanomaMass cytometryEffectorCancer researchCellT cellBiologyReceptorInternal medicinePhenotype

Résumé

récupéré en direct d'OpenAlex

Abstract Type I interferons (IFN-Is) are paradoxically associated with both the success and failure of immune checkpoint blockade (ICB), with increased inflammation in the tumor associated with better response. To understand how IFN-Is modulate the immune response to ICB, we developed a mass cytometry approach to quantify pro- and anti-inflammatory features of IFN-I responsiveness at the single cell level. Using high dimensional analysis we show that the inflammatory responses that are beneficial in the peripheral blood are the opposite of what is considered beneficial in the tumor, thus identifying a functional disconnect between the peripheral and tumor immune compartments. We demonstrate that an initial resistance to IFN-I by CD4 T effector (Teff) cells in the peripheral blood is strongly associated to long-term benefit of anti-PD1 therapy in patients with melanoma, head and neck and lung cancers. By contrast, a strong IFN-I response correlates with progression and low survival probability. Upregulation of PDL1 by IFN-I did not relate to response, however patients with myeloid cells that initially reacted to IFN-I with higher IDO1 induction survived longer after anti-PD1. Single-cell RNA-sequencing stratified based on response to IFN-I identified transcriptional programs associated with therapy response, providing mechanistic insight into the peripheral cell states prior to therapy conducive to anti-PD1 success. Thus, contrary to a benefit of an initially inflamed tumor environment, an initially restrained CD4 Teff inflammatory response to IFN-I averts therapy failure and enables tumor control. This IFN-I response potential is a promising new biomarker for prediction of which patients will benefit most from anti-PD1 therapy. Supported by Canadian Institutes of Health Research (CIHR) Foundation Grant FDN148386, the Canadian Cancer Society (CCSRI) Innovation Award No. 706230, the National Institutes of Health (NIH) grant AI085043, The Terry Fox New Frontiers Grant the Scotiabank Research Chair to D.G.B, the Princess Margaret Hold’em for Life Cancer Research Fellowship (G. M. B).

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,030
Tête enseignante GPT0,315
Écart entre enseignants0,285 · 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'étudeObservationnel
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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

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