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 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 | 0,000 | 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 | 0,001 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».