Targeting CD47-SIRPa axis shows potent preclinical anti-tumor activity as monotherapy and synergizes with PARP inhibition
Notice bibliographique
Résumé
The objective was to correlate CD47 gene expression with resistance to immune checkpoint inhibitors (ICI) in tumor tissue of gynecological cancer (GC). Further, we sought to assess the efficacy of targeting CD47 pathway alone and in combination in pre-clinical ovarian cancer (OC) models. We performed transcriptomic analyses in GC treated with ICI. Signaling pathway enrichment analysis was performed using Ingenuity Pathway Analysis. Immune cell abundance was estimated. CD47 expression was correlated with other pathways, objective response, and progression-free survival (PFS). Anti-tumor efficacy of anti-CD47 therapy alone and in combination was investigated both in-vitro and in-vivo using cell-line derived xenograft (CDX) and patient-derived xenograft (PDX) models. High CD47 expression associated with lower response to ICI and trended toward lower PFS in GC patients. Higher CD47 associated negatively with PDL1 and CTLA4 expression, as well as cytotoxic T-cells and dendritic cells but positively with TGF-β, BRD4 and CXCR4/CXCL12 expression. Anti-CD47 significantly enhanced macrophage-mediated phagocytosis of OC cells in-vitro and exhibited potent anti-tumor activity in-vivo in OC CDX and PDX models. In-vitro treatment with PARPi increased CD47 expression. Anti-CD47 led to significantly enhanced in-vitro phagocytosis, enhanced STING pathway and synergized in-vivo when combined with PARP inhibitors in BRCA-deficient OC models. This study provides insight on the potential role of CD47 in mediating immunotherapy resistance and its association with higher TGF-β, BRD4 and CXCR4/CXCL12 expression. Anti-CD47 showed potent anti-tumor activity and synergized with PARPi in OC models. These data support clinical development of anti-CD47 therapy with PARPi in OC.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».