Tumor sialylation controls effective anti-cancer immunity in breast cancer
Notice bibliographique
Résumé
Abstract Breast cancer is the most common cancer among women. However, the use of immune checkpoint inhibitors, that have revolutionized treatment of multiple cancers, unfortunately remain largely ineffective in most breast cancer patients. Here, we report the most comprehensive glycoproteome map in breast tumor cells, pointing to a key role of sialic acid modifications in mammary cancer. Genetic and pharmacologic inhibition of sialylation repolarizes the tumor microenvironment, leading to a reduction in myeloid-derived suppressor cells and a significant increase in Tcf7 + memory and CD8 + effector T cells. Mechanistically, sialylation controls cell surface expression of MHC class I and PD-1-ligand on the tumor cells. Functionally, in vivo interference with sialylation on breast cancer cells licenses CD8 + T cells to effectively kill the tumors. In multiple immunotherapy-resistant breast tumor models, we also show that the abrogation of sialylation sensitizes to anti-PD-1 immune checkpoint therapy. We further demonstrate that hyper-sialylation occurs in over half of human breast cancers tested and correlates with poor T cell infiltration. Our results establish sialylation as a central immunoregulator in breast cancer, orchestrating multiple pathways of immune evasion. Targeting tumor sialylation licenses immunologically inert mammary tumors to be efficiently eliminated by anti-cancer immunity and sensitizes to immune checkpoint therapy.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».