Single-cell spatial landscape of immunotherapy response reveals mechanisms of CXCL13 enhanced antitumor immunity
Notice bibliographique
Résumé
BACKGROUND: Immunotherapy has revolutionized clinical outcomes for patients suffering from lung cancer, yet relatively few patients sustain long-term durable responses. Recent studies have demonstrated that the tumor immune microenvironment fosters tumorous heterogeneity and mediates both disease progression and response to immune checkpoint inhibitors (ICI). As such, there is an unmet need to elucidate the spatially defined single-cell landscape of the lung cancer microenvironment to understand the mechanisms of disease progression and identify biomarkers of response to ICI. METHODS: Here, in this study, we applied imaging mass cytometry to characterize the tumor and immunological landscape of immunotherapy response in non-small cell lung cancer by describing activated cell states, cellular interactions and neighborhoods associated with improved efficacy. We functionally validated our findings using preclinical mouse models of cancer treated with anti-programmed cell death protein-1 (PD-1) immune checkpoint blockade. RESULTS: We resolved 114,524 single cells in 27 patients treated with ICI, enabling spatial resolution of immune lineages and activation states with distinct clinical outcomes. We demonstrated that CXCL13 expression is associated with ICI efficacy in patients, and that recombinant CXCL13 potentiates anti-PD-1 response in vivo in association with increased antigen experienced T cell subsets and reduced CCR2+ monocytes. DISCUSSION: Our results provide a high-resolution molecular resource and illustrate the importance of major immune lineages as well as their functional substates in understanding the role of the tumor immune microenvironment in response to ICIs.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 tête enseignante, 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 ».