Comprehensive Immune Profiling Unveils a Subset of Leiomyosarcoma with “Hot” Tumor Immune Microenvironment
Notice bibliographique
Résumé
Purpose: To investigate the immune biomarker in Leiomyosarcoma (LMS), which is rare and recognized as an immune cold cancer showing a poor response rate (<10%) to immune checkpoint inhibitors (ICIs). However, durable response and clinical benefit to ICIs has been observed in a few cases of LMS, including, but not only, LMS with tertiary lymphoid structure (TLS) structures. Patients and methods: We used comprehensive transcriptomic profiling and a deconvolution method extracted from RNA-sequencing gene expression data in two independent LMS cohorts, the International Cancer Genome Consortium (ICGC, N = 146) and The Cancer Genome Atlas (TCGA, N = 75), to explore tumor immune microenvironment (TIME) in LMS. Results: Unsupervised clustering analysis using the previously validated two methods, 90-gene signature and Cell-type Identification by Estimating Relative Subsets of RNA Transcripts (CIBERSORT), identified immune hot (I-H) and immune high (I-Hi) LMS, respectively, in the ICGC cohort. Similarly, immune active groups (T-H, T-Hi) were identified in the TCGA cohort using these two methods. These immune active (“hot”) clusters were significantly associated, but not completely overlapping, with several validated immune signatures such as sarcoma immune class (SIC) classification and TLS score, T cell inflamed signature (TIS) score, immune infiltration score (IIS), and macrophage score (M1/M2), with more patients identified by our clustering as potentially immune hot. Conclusions: Comprehensive immune profiling revealed a subset of LMS with a distinct active (“hot”) TIME, consistently associated with several validated immune signatures in other cancers. This suggests that the methodologies that we used in this study warrant further validation and development, which can potentially help refine our current immune biomarkers to select the right LMS patients for ICIs in clinical trials.
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 | 0,001 | 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 | 0,000 |
| 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 ».