Inhibition of anti-tumour reactivity of immune cells in the salivary gland cancer: A proteomic approach
Notice bibliographique
Résumé
Adenoid cystic carcinoma (ACC), mucoepidermoid carcinoma (MEC), and oral squamous cell carcinoma (OSCC) respond differently to immunotherapy. Pembrolizumab, an immune checkpoint inhibitor, has been approved by the Food and Drug Administration for the treatment of squamous cell carcinomas of the head and neck region. While MEC has shown some response to pembrolizumab; however, ACC is the least responsive. At the molecular level, head and neck cancers produce immunosuppressive molecules, resulting in immune evasion. Therefore, we hypothesised that salivary gland cancer cells produce a higher number of immunosuppressive proteins that cause suppression of the immune system's anti-tumour reactivity. To determine differential protein expressions in OSCC, MEC, and ACC, we constructed cancer–immune cell co-culture models using different oral and salivary gland cancer cells. We performed SWATH, proteome profilers, gene ontology biological function, functional annotation clustering and protein interaction network analysis of all cancer samples in the co-culture models. Analysis of the acquired data showed that the overexpressed proteins in the OSCC cells and participated more in metabolic process, while in the salivary gland cancer cells, overexpressed proteins participated more in immune processes, immune checkpoint pathway. Upon protein function analysis of salivary gland cells, the overexpressed proteins found negatively affecting immune process and checkpoint pathway proteins. Overall, we conclude that salivary gland cancer is less responsive to immunotherapy, possibly because of the high presence of immunosuppressive proteins. However, further analysis is needed to verify the biological functions and interactive partners of each differentially expressed protein in ACC cells.
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 | 0,001 |
| 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 ».