Kinetic analysis of oncolytic OrfV-induced innate and adaptive immune responses in a murine model of late-stage ovarian cancer
Notice bibliographique
Résumé
Immunotherapies revive host immune responses against tumors by stimulating innate and adaptive immune effector cells with antitumor functions. Thus, detailed studies of immunological cell phenotypes and functions within the tumor microenvironment (TME) following immunotherapy treatments is critical to identifying the determinants of therapeutic success, optimizing treatment regimens, and driving curative outcomes. Oncolytic viruses such as Orf virus (OrfV) are multifunctional biologics that preferentially infect and kill cancer cells while simultaneously causing inflammation that drives anticancer immune responses. Here, we describe the immunological impact of OrfV on the ascites TME in a preclinical model of advanced-stage epithelial ovarian cancer. OrfV promoted the infiltration of several immune effector cells with increased expression of activation markers and effector cytokines into the ascites TME, which correlated with reduced ascites tumor burden and improved survival. The kinetics of the immune response and change in tumor burden following OrfV therapy revealed an optimal re-administration time to sustain antitumor immunity, further extending survival. The data presented highlight the importance of investigating immune response kinetics following immunotherapy and demonstrate that detailed kinetic profiling of immune responses can reveal novel insights into mechanisms of action that can guide the development of more effective therapies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 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 ».