NLRC5 overexpression in ovarian tumors remodels the tumor microenvironment and increases T-cell reactivity toward autologous tumor-associated antigens
Notice bibliographique
Résumé
Introduction: Epithelial ovarian cancer (OC) stands as one of the deadliest gynecologic malignancies, urgently necessitating novel therapeutic strategies. Approximately 60% of ovarian tumors exhibit reduced expression of major histocompatibility complex class I (MHC I), intensifying immune evasion mechanisms and rendering immunotherapies ineffective. NOD-like receptor CARD domain containing 5 (NLRC5) transcriptionally regulates MHC I genes and many antigen presentation machinery components. We therefore explored the therapeutic potential of NLRC5 in OC. Methods: We generated OC cells overexpressing NLRC5 to rescue MHC I expression and antigen presentation and then assessed their capability to respond to PD-L1 blockade and an infected cell vaccine. Results: Analysis of microarray datasets revealed a correlation between elevated NLRC5 expression and extended survival in OC patients; however, NLRC5 was scarcely detected in the OC tumor microenvironment. OC cells overexpressing NLRC5 exhibited slower tumor growth and resulted in higher recruitment of leukocytes in the TME with lower CD4/CD8 T-cell ratios and increased activation of T cells. Immune cells from peripheral blood, spleen, and ascites from these mice displayed heightened activation and interferon-gamma production when exposed to autologous tumor-associated antigens. Finally, as a proof of concept, NLRC5 overexpression within an infected cell vaccine platform enhanced responses and prolonged survival in comparison with control groups when challenged with parental tumors. Discussion: These findings provide a compelling rationale for utilizing NLRC5 overexpression in "cold" tumor models to enhance tumor susceptibility to T-cell recognition and elimination by boosting the presentation of endogenous tumor antigens. This approach holds promise for improving antitumoral immune responses in OC.
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 ».