MétaCan
Menu
Retour à la cohorte
Enregistrement W4378783249 · doi:10.1186/s13046-023-02697-y

Spatial analysis of stromal signatures identifies invasive front carcinoma-associated fibroblasts as suppressors of anti-tumor immune response in esophageal cancer

2023· article· en· W4378783249 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Experimental & Clinical Cancer Research · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesShantou University Medical CollegeSun Yat-sen UniversityNational Natural Science Foundation of ChinaShantou UniversityNational Science Foundation
Mots-clésStromal cellTumor microenvironmentMass cytometryCancer-Associated FibroblastsBiologyImmune systemCancer researchStromaPathologyCD163Tumor progressionCancerMedicineImmunohistochemistryImmunologyMacrophage

Résumé

récupéré en direct d'OpenAlex

Abstract Background Increasing evidence indicates that the tumor microenvironment (TME) is a crucial determinant of cancer progression. However, the clinical and pathobiological significance of stromal signatures in the TME, as a complex dynamic entity, is still unclear in esophageal squamous cell carcinoma (ESCC). Methods Herein, we used single-cell transcriptome sequencing data, imaging mass cytometry (IMC) and multiplex immunofluorescence staining to characterize the stromal signatures in ESCC and evaluate their prognostic values in this aggressive disease. An automated quantitative pathology imaging system determined the locations of the lamina propria, stroma, and invasive front. Subsequently, IMC spatial analyses further uncovered spatial interaction and distribution. Additionally, bioinformatics analysis was performed to explore the TME remodeling mechanism in ESCC. To define a new molecular prognostic model, we calculated the risk score of each patient based on their TME signatures and pTNM stages. Results We demonstrate that the presence of fibroblasts at the tumor invasive front was associated with the invasive depth and poor prognosis. Furthermore, the amount of α-smooth muscle actin (α-SMA) + fibroblasts at the tumor invasive front positively correlated with the number of macrophages (MØs), but negatively correlated with that of tumor-infiltrating granzyme B + immune cells, and CD4 + and CD8 + T cells. Spatial analyses uncovered a significant spatial interaction between α-SMA + fibroblasts and CD163 + MØs in the TME, which resulted in spatially exclusive interactions to anti-tumor immune cells. We further validated the laminin and collagen signaling network contributions to TME remodeling. Moreover, compared with pTNM staging, a molecular prognostic model, based on expression of α-SMA + fibroblasts at the invasive front, and CD163 + MØs, showed higher accuracy in predicting survival or recurrence in ESCC patients. Regression analysis confirmed this model is an independent predictor for survival, which also identifies a high-risk group of ESCC patients that can benefit from adjuvant therapy. Conclusions Our newly defined biomarker signature may serve as a complement for current clinical risk stratification approaches and provide potential therapeutic targets for reversing the fibroblast-mediated immunosuppressive microenvironment.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,255
Score d'incertitude au seuil0,939

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,434
Écart entre enseignants0,365 · 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