Current State of Immunotherapy and Mechanisms of Immune Evasion in Ewing Sarcoma and Osteosarcoma
Notice bibliographique
Résumé
We argue here that in many ways, Ewing sarcoma (EwS) is a unique tumor entity and yet, it shares many commonalities with other immunologically cold solid malignancies. From the historical perspective, EwS, osteosarcoma (OS) and other bone and soft-tissue sarcomas were the first types of tumors treated with the immunotherapy approach: more than 100 years ago American surgeon William B. Coley injected his patients with a mixture of heat-inactivated bacteria, achieving survival rates apparently higher than with surgery alone. In contrast to OS which exhibits recurrent somatic copy-number alterations, EwS possesses one of the lowest mutation rates among cancers, being driven by a single oncogenic fusion protein, most frequently EWS-FLI1. In spite these differences, both EwS and OS are allied with immune tolerance and low immunogenicity. We discuss here the potential mechanisms of immune escape in these tumors, including low representation of tumor-specific antigens, low expression levels of MHC-I antigen-presenting molecules, accumulation of immunosuppressive M2 macrophages and myeloid proinflammatory cells, and release of extracellular vesicles (EVs) which are capable of reprogramming host cells in the tumor microenvironment and systemic circulation. We also discuss the vulnerabilities of EwS and OS and potential novel strategies for their targeting.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».