Transcriptomic profiling of peripheral blood cells in <scp>HPV</scp> ‐associated carcinoma patients receiving combined valproic acid and avelumab
Notice bibliographique
Résumé
Human papillomavirus (HPV)-associated cancer continues to evade the immune system by promoting a suppressive tumor microenvironment. Therefore, immunotherapy appears to be a promising approach for targeting HPV-associated tumors. We hypothesized that valproic acid (VA) as an epigenetic agent combined with avelumab may enhance the antitumor immunity in HPV-associated solid tumors. We performed bulk RNA-sequencing (RNA-Seq) on total peripheral blood mononuclear cells (PBMCs) of seven nonresponders (NRs) and four responders (Rs). A total of 39 samples (e.g., pretreatment, post-VA, postavelumab, and endpoint) were analyzed. Also, we quantified plasma analytes and performed flow cytometry. We observed a differential pattern in immune response following treatment with VA and/or avelumab in NRs vs. Rs. A significant upregulation of transcripts associated with NETosis [the formation of neutrophil extracellular traps (NETs)] and neutrophil degranulation pathways was linked to the presence of a myeloid-derived suppressor cell signature in NRs. We noted the elevation of IL-8/IL-18 cytokines and a distinct transcriptome signature at the baseline and endpoint in NRs. By using the receiver operator characteristics, we identified a cutoff value for the plasma IL-8/IL-18 to discriminate NRs from Rs. We found differential therapeutic effects for VA and avelumab in NRs vs. Rs. Thus, our results imply that measuring the plasma IL-8/IL-18 and bulk RNA-Seq of PBMCs may serve as valuable biomarkers to predict immunotherapy outcomes.
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) | 0,001 | 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) | 0,001 | 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 ».