Chemokine expression predicts T cell-inflammation and improved survival with checkpoint inhibition across solid cancers
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.
Notice bibliographique
Résumé
Abstract Immune checkpoint inhibitors (ICI) are highly effective in specific cancers where canonical markers of antitumor immunity are used for patient selection. Improved predictors of T cell-inflammation are needed to identify ICI-responsive tumor subsets in additional cancer types. We investigated associations of a 4-chemokine expression signature (c-Score: CCL4 , CCL5 , CXCL9 , CXCL10 ) with metrics of antitumor immunity across tumor types. Across cancer entities from The Cancer Genome Atlas, subgroups of tumors displayed high expression of the c-Score (c-Score hi ) with increased expression of immune checkpoint (IC) genes and transcriptional hallmarks of the cancer-immunity cycle. There was an incomplete association of the c-Score with high tumor mutation burden (TMB), with only 15% of c-Score hi tumors displaying ≥10 mutations per megabase. In a heterogeneous pan-cancer cohort of 82 patients, with advanced and previously treated solid cancers, c-Score hi tumors had a longer median time to progression (103 versus 72 days, P = 0.012) and overall survival (382 versus 196 days, P = 0.038) following ICI therapy initiation, compared to patients with low c-Score expression. We also found c-Score stratification to outperform TMB assignment for overall survival prediction (HR = 0.42 [0.22–0.79], P = 0.008 versus HR = 0.60 [0.29-1.27], P = 0.18, respectively). Assessment of the c-Score using the TIDE and PredictIO databases, which include ICI treatment outcomes from 10 tumor types, provided further support for the c-Score as a predictive ICI therapeutic biomarker. In summary, the c-Score identifies patients with hallmarks of T cell-inflammation and potential response to ICI treatment across cancer types, which is missed by TMB assignment.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle