Characterization of the immune cell landscape in CRC: Clinical implications of tumour-infiltrating leukocytes in early- and late-stage CRC
Notice bibliographique
Résumé
Introduction: Colorectal cancer (CRC) is the third leading cause of cancer-related deaths globally. Tumour-infiltrating leukocytes play an important role in cancers, including CRC. We therefore sought to characterize the impact of tumour-infiltrating leukocytes on CRC prognosis. Methods: To determine whether the immune cell profile within CRC tissue could influence prognosis, we employed three computational methodologies (CIBERSORT, xCell and MCPcounter) to predict abundance of immune cell types, based on gene expression. This was done using two patient cohorts, TCGA and BC Cancer Personalized OncoGenomics (POG). Results: We observed significant differences in immune cell composition between CRC and normal adjacent colon tissue, as well as differences in based on method of analysis. Evaluation of survival based on immune cell types revealed dendritic cells as a positive prognostic marker, consistently across methodologies. Mast cells were also found to be a positive prognostic marker, but in a stage-dependent manner. Unsupervised cluster analysis demonstrated that significant differences in immune cell composition has a more pronounced effect on prognosis in early-stage CRC, compared to late-stage CRC. This analysis revealed a distinct group of individuals with early-stage CRC which have an immune infiltration signature that indicates better survival probability. Conclusions: Taken together, characterization of the immune landscape in CRC has provided a powerful tool to assess prognosis. We anticipate that further characterization of the immune landscape will facilitate use of immunotherapies in CRC.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».