BRCA1 and BRCA2 deficient tumour models generate distinct ovarian tumour microenvironments and differential responses to therapy
Notice bibliographique
Résumé
Clinical trials are currently exploring combinations of PARP inhibitors and immunotherapies for the treatment of ovarian cancer, but their effects on the ovarian tumour microenvironment (TME) remain unclear. Here, we investigate how olaparib, PD-L1 monoclonal antibodies, and their combination can influence TME composition and survival of tumour-bearing mice. We further explored how BRCA deficiencies can influence the response to therapy. Olaparib and combination therapies similarly improved the median survival of Brca1- and Brca2-deficient tumour-bearing mice. Anti-PD-L1 monotherapy improved the survival of mice with Brca1-null tumours, but not Brca2-null tumours. A detailed analysis of the TME revealed that olaparib monotherapy resulted in a large number of immunosuppressive and immunomodulatory effects in the more inflamed Brca1-deficient TME but not Brca2-deficient tumours. Anti-PD-L1 treatment was mostly immunosuppressive, resulting in a systemic reduction of cytokines and a compensatory increase in PD-L1 expression. The results of the combination therapy generally resembled the effects of one or both of the monotherapies, along with unique changes observed in certain immune populations. In-silico analysis of RNA-seq data also revealed numerous differences between Brca-deficient tumour models, such as the expression of genes involved in inflammation, angiogenesis and PD-L1 expression. In summary, these findings shed light on the influence of novel therapeutics and BRCA mutations on the ovarian TME.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».