MétaCan
Menu
Retour à la cohorte
Enregistrement W4362534260 · doi:10.1158/1538-7445.am2023-1315

Abstract 1315: NETs act as immunosuppressive agents within lymph nodes during cancer

2023· article· en· W4362534260 sur OpenAlexaff
Ariane Brassard, Xin Su, Iqraa Dhoparee‐Doomah, Sabrina Leo, Lixuan Feng, France Bourdeau, Betty Giannias, Corissa Larson, Qian Qiu, Jonathan Spicer, Lorenzo Ferri, Jonathan Cools‐Lartigue

Notice bibliographique

RevueCancer Research · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune cells in cancer
Établissements canadiensMcGill UniversityConcordia UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésMetastasisCytotoxic T cellCD8Cancer researchImmunosuppressionCancerLymphImmunologyPopulationImmune systemCancer cellMedicineBiologyIn vitroPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Metastasis is responsible for 90% of all cancer-related deaths, making it the most significant challenge in cancer treatment for clinicians worldwide. Metastasis is thought to occur in a stepwise process, in which local lymph nodes (LNs) are first colonized by tumour cells before proceeding to distal organs. However, the mechanism by which LN metastasis facilitates distal metastasis is poorly understood. LNs undergo environmental changes to accommodate tumour cell growth within, notably by shifting the environment towards immunosuppression to shut down anti-tumour immune cells. This immunosuppressive environment is critical for the establishment of LN metastases, as cytotoxic CD8 T cells will otherwise neutralize incoming circulating tumour cells. Neutrophils are among the first cells recruited to tumour-draining LNs to mediate the environmental shift, and yet their method of action has not been fully elucidated. They have recently been found to secrete NETs within LNs during cancer, which are pro-inflammatory web-like formations of DNA decorated with antimicrobial peptides. While NETs have been shown to exert pro-tumour effects in the tumour microenvironment and to facilitate metastasis as a whole, their role in LNs has never been explored. Using a NETs deficient mouse model (PAD4-/-), we report that NETs deposition within the tumour-draining LNs of mice upregulates the Treg population while simultaneously downregulating anti-tumour CD8 T cell proliferation and activation. Following these findings, we performed an in vitro suppression assay and found that NETs-educated Tregs hinder the expansion of CD8 T cells more than non-NETs-educated Tregs. Finally, through an induced metastasis mouse model, we have observed that tumour-draining LN resection as well as the absence of NETs protects against the development of distal metastasis, and decreases body-wide inflammation as seen by a lowered Neutrophil-to-Lymphocyte ratio in the circulation. Taken together, these findings highlight the role of NETs deposition in LNs as a key player in disease progression and bring forward a potential target for anti-metastatic drug development. Citation Format: Ariane Brassard, Xin Su, Iqraa Dhoparee-Doomah, Sabrina Leo, Lixuan Feng, France Bourdeau, Betty Giannias, Corissa Larson, Qian Qiu, Jonathan Spicer, Lorenzo Ferri, Jonathan Cools-Lartigue. NETs act as immunosuppressive agents within lymph nodes during cancer [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2023; Part 1 (Regular and Invited Abstracts); 2023 Apr 14-19; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2023;83(7_Suppl):Abstract nr 1315.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,074
Tête enseignante GPT0,407
Écart entre enseignants0,334 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetImmune cells in cancerTravaux en français237 207