Abstract 3014: Association between HLA-KIR allele interaction combinations and density of T-cell subsets in colorectal cancer
Notice bibliographique
Résumé
Abstract Background: Germline genetic factors central to immunity, such as human leukocyte antigen (HLA) variants, have been associated with several immune-related phenotypes such as response to immune checkpoint inhibitors. However, HLA and killer-cell immunoglobulin-like (KIR) gene combinations, which may modulate immune function, have not been studied in relation to T-cell density in cancer. Methods: This study was conducted within 3 well characterized epidemiologic studies that collected colorectal tumor tissue blocks (N=484). We profiled the in-situ T cell landscape of CRC using digital imaging, machine learning, and a customized 9-plex multiplexed immunofluorescence panel with antibodies directed against CD3, CD4, CD8, CD45RA, CD45RO, FOXP3, and MKI67. HLA and KIR variants were imputed from genome-wide array datasets through SNP2HLA and KIR*IMP methods. We used multivariable ordinal logistic regression to estimate odds ratios (ORs) and 95% confidence intervals (CIs) for the association between HLA-KIR activation/inhibition ligand combinations with quartile of T cell densities in CRC adjusting for age, sex, GWAS panel, and the first two principal components of ancestry. Results: Presence of KIR2DL2+HLAC1+ and KIR2DS2+HLAC1+ combinations were associated with lower odds of greater CD3+CD8+ T-cell density quartile, however these findings were not statistically significant [OR = 0.73, 95% CI (0.52, 1.02), p-value = 0.067; OR = 0.74 95% CI (0.53, 1.04), p-value= 0.082, respectively]. There was no association between HLA-KIR combinations and CD3+CD4+ T-cell density quartile. Further results will examine HLA and KIR genes individually, as well as additional combination variables and more specific T-cell density subsets. Conclusions: Further investigation is needed to determine if germline genetics related to immune profile plays a role in T-cell densities in CRC. Citation Format: Claire Elizabeth Thomas, Jeroen Huyghe, Tomotaka Ugai, Hang Yin, Yasutoshi Takashima, Daniel D. Buchanan, Conghui Qu, Li Hsu, Andressa Dias Costa, Stephen Gallinger, Robert Grant, Sushma Thomas, Shuji Ogino, Amanda I. Phipps, Jonathan Nowak, Ulrike Peters. Association between HLA-KIR allele interaction combinations and density of T-cell subsets in colorectal 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 3014.
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 | 0,002 |
| 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) | 0,005 | 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 ».