Taxifolin Inhibits the Growth of Non-Small-Cell Lung Cancer via Downregulating Genes Displaying Novel and Robust Associations with Immune Evasion Factors
Notice bibliographique
Résumé
Using an LL2 cell-based syngeneic mouse LC model, taxifolin suppressed allografts along with the appearance of 578 differentially expressed genes (DEGs). These DEGs were associated with enhancement of processes related to the extracellular matrix and lymphocyte chemotaxis as well as the reduction in pathways relevant to cell proliferation. From these DEGs, we formulated 12-gene (TxflSig) and 7-gene (TxflSig1) panels; both predicted response to ICB (immune checkpoint blockade) therapy more effectively in non-small-cell lung cancer (NSCLC) than numerous well-established ICB biomarkers, including PD-L1. In both panels, the mouse counterparts of ITGAL, ITGAX, and TMEM119 genes were downregulated by taxifolin. They were strongly associated with immune suppression in LC, evidenced by their robust correlations with the major immunosuppressive cell types (MDSC, Treg, and macrophage) and multiple immune checkpoints in NSCLC and across multiple human cancer types. ITGAL, ITGAX, and IIT (ITGAL-ITGAX-TMEM119) effectively predicted NSCLC’s response to ICB therapy; IIT stratified the mortality risk of NSCLC. The stromal expressions of ITGAL and ITGAX, together with tumor expression of TMEM119 in NSCLC, were demonstrated. Collectively, we report multiple novel ICB biomarkers—TxflSig, TxflSig1, IIT, ITGAL, and ITGAX—and taxifolin-derived attenuation of immunosuppressive activities in NSCLC, suggesting the inclusion of taxifolin in ICB therapies for NSCLC.
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 | 0,000 |
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 ».