Identification of antigenic epitopes recognized by tumor infiltrating lymphocytes in high grade serous ovarian cancer by multi-omics profiling of the auto-antigen repertoire
Notice bibliographique
Résumé
Abstract Immunotherapeutic strategies aimed at enhancing tumor cell killing by tumor-specific T cells hold great potential for reducing tumor burden and prolonging survival of cancer patients. Although many potential tumor antigens have been described, identifying relevant targets when designing anti-cancer vaccines or targeted cell therapies remains a challenge. To identify novel, potentially immunogenic candidate tumor antigens, we performed integrated tumor transcriptomic, seromic, and proteomic analyses of high grade serous ovarian cancer (HGSC) patient tumor samples. We identified tumor neo-antigens and over-expressed antigens using whole exome and RNA sequencing and examined these in relation to patient-matched auto-antibody repertoires. Focusing on MHC class I epitopes recognized by CD8 + T cells, HLA-binding epitopes were identified or predicted from the highly expressed, mutated, or auto-antibody target antigen, or MHC-associated peptides (MAPs). Recognition of candidate antigenic peptides was assessed within the tumor-infiltrating T lymphocyte (TIL) population expanded from each patient. Known tumor-associated antigens (TAA) and cancer/testis antigens (CTA) were commonly found in the auto-antibody and MAP repertoires and CD8 + TILs recognizing epitopes from these antigens were detected, although neither expression level nor the presence of auto-antibodies correlated with TIL recognition. Auto-antibodies against tumor-mutated antigens were found in most patients, however, no TIL recognition of the highest predicted affinity neo-epitopes was detected. Using high expression level, auto-antibody recognition, and epitope prediction algorithms, we identified epitopes in 5 novel antigens (MOB1A, SOCS3, TUBB, PRKAR1A, CCDC6) recognized by HGSC patient TILs. Furthermore, selection of epitopes from the MAP repertoire identified 5 additional targets commonly recognized by multiple patient TILs. We find that the repertoire of TIL specificities includes recognition of highly expressed and immunogenic self-antigens that are processed and presented by tumors. These results indicate an ongoing autoimmune response against a range of self-antigens targeted by HGSC TILs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 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 ».