Immune signatures predict development of autoimmune toxicity in patients with cancer treated with immune checkpoint inhibitors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background Immune checkpoint inhibitors (ICIs) are among the most promising treatment options for melanoma and non-small cell lung cancer (NSCLC). While ICIs can induce effective anti-tumor responses, they may also drive serious immune-related adverse events (irAEs). Identifying biomarkers to predict which patients will suffer from irAEs would enable more accurate clinical risk-benefit analysis for ICI treatment and may also shed light on common or distinct mechanisms underpinning treatment success and irAEs. Methods In this prospective multi-center study, we combined a multi-omics approach including unbiased single-cell profiling of over 300 peripheral blood mononuclear cell (PBMC) samples and high-throughput proteomics analysis of over 500 serum samples to characterize the systemic immune compartment of patients with melanoma or NSCLC before and during treatment with ICIs. Findings When we combined the parameters obtained from the multi-omics profiling of patient blood and serum, we identified potential predictive biomarkers for ICI-induced irAEs. Specifically, an early increase in CXCL9/CXCL10/CXCL11 and interferon-γ (IFN-γ) 1 to 2 weeks after the start of therapy are likely indicators of heightened risk of developing irAEs. In addition, an early expansion of Ki-67 + regulatory T cells (Tregs) and Ki-67 + CD8 + T cells is also likely to be associated with increased risk of irAEs. Conclusions We suggest that the combination of these cellular and proteomic biomarkers may help to predict which patients are likely to benefit most from ICI therapy and those requiring intensive monitoring for irAEs. Funding This work was primarily funded by the European Research Council, the Swiss National Science Foundation, the Swiss Cancer League, and the Forschungsförderung of the Kantonsspital St. Gallen.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle