Spatially resolved single-cell analysis uncovers protein kinase Cδ-expressing microglia with anti-tumor activity in glioblastoma
Notice bibliographique
Résumé
Abstract Glioblastoma (GBM) is a brain tumor that poses a formidable challenge to treatment options available. The tumor microenvironment (TME) in GBM is highly complex, marked by immunosuppression and cellular heterogeneity. Understanding the cellular interactions and their spatial organization within the TME is crucial for developing effective therapeutic strategies. In this study, we integrated single-cell RNA sequencing and spatial transcriptomics in a GBM mouse model to unravel the spatial landscape of the brain TME. We identified a previously unrecognized microglia subtype expressing protein kinase Cδ (PKCδ) associated with potent anti-tumor functions. The presence of PKCδ-expressing microglia was confirmed in resected human GBM specimens. Elevating tumoral PKCδ expression using niacin or adeno-associated virus in mice enhanced the phagocytosis of GBM cells by microglia in culture and increased the lifespan of mice with intracranial GBM. These findings were corroborated in analyses of the TCGA GBM datasets where low PKCδ samples showed negative pathway enrichment for apoptosis, phagocytosis, and immune signaling pathways, as well as lower levels of immune cell infiltration overall. Our study underscores the importance of integrating spatial context to unravel the TME, resulting in the identification of previously unrecognized subsets of microglia with anti-tumor functions. These findings provide valuable insights for advancing innovative immunotherapeutic strategies in GBM.
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) | 0,000 | 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 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 ».