Tumor-Infiltrating T Cells in EBV-Associated Gastric Carcinomas Exhibit High Levels of Multiple Markers of Activation, Effector Gene Expression, and Exhaustion
Notice bibliographique
Résumé
Epstein-Barr virus (EBV) is a gamma-herpesvirus associated with 10% of all gastric cancers (GCs) and 1.5% of all human cancers. EBV-associated GCs (EBVaGCs) are pathologically and clinically distinct entities from EBV-negative GCs (EBVnGCs), with EBVaGCs exhibiting differential molecular pathology, treatment response, and patient prognosis. However, the tumor immune landscape of EBVaGC has not been well explored. In this study, a systemic and comprehensive analysis of gene expression and immune landscape features was performed for both EBVaGC and EBVnGC. EBVaGCs exhibited many aspects of a T cell-inflamed phenotype, with greater T and NK cell infiltration, increased expression of immune checkpoint markers (BTLA, CD96, CTLA4, LAG3, PD1, TIGIT, and TIM3), and multiple T cell effector molecules in comparison with EBVnGCs. EBVaGCs also displayed a higher expression of anti-tumor immunity factors (PDL1, CD155, CEACAM1, galectin-9, and IDO1). Six EBV-encoded miRNAs (miR-BARTs 8-3p, 9-5p, 10-3p, 22, 5-5p, and 14-3p) were strongly negatively correlated with the expression of immune checkpoint receptors and multiple markers of anti-tumor immunity. These profound differences in the tumor immune landscape between EBVaGCs and EBVnGCs may help explain some of the observed differences in pathological and clinical outcomes, with an EBV-positive status possibly being a potential biomarker for the application of immunotherapy in GC.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».