Abstract 4215: Single-cell proteomic characterization of the tumor microenvironment in humanized NOG-EXL patient-derived xenograft (PDX) models
Notice bibliographique
Résumé
Abstract Introduction: CD34+ hematopoietic stem cell (HSC) derived humanized mice engineered to express human cytokine transgenes are promising models for the evaluation of novel immunotherapeutic treatments. While flow cytometry-based analyses have confirmed the presence of many human immune cell populations within humanized mice bearing patient-derived tumor xenografts (PDX), comprehensive high-dimensional immunophenotyping of the tumor microenvironment (TME) of these models remains limited. Beyond this, the relative influence of PDX vs. donor CD34+ HSC populations on TME composition is poorly understood. Here, we characterize the quantity and diversity of immune cell subpopulations in the TME, bone marrow, and spleen of humanized NOG-EXL (huNOG-EXL) mice using Cytometry by Time-Of-Flight (CyTOF) data with > 60 features. Methods: We performed CyTOF analysis on 250 dissociated samples from primary tumors (n = 15; n = 6 head and neck cancer, n = 6 ovarian cancer, n = 3 renal cell carcinoma), as well as xenograft (n = 59), spleen (n = 88), and bone marrow (n = 88) samples from huNOG-EXL mice (Taconic). Each sample was profiled with two partially overlapping antibody panels; an innate immunity-focused panel (40 features), and an adaptive immunity-focused panel (40 features). Results: CyTOF data were collected from over 10 million live immune cells for each of the adaptive and innate antibody panels. Unbiased clustering of single-cell marker expression revealed clusters corresponding to all major lymphoid and myeloid cell types. Therapeutically relevant cell states were identified including exhausted CD8+ T cells marked by PD-1 and Tim-3 expression, and PD-L1+ macrophages. Hierarchical clustering of bone marrow and spleen samples suggested that systemically, immune composition was not driven by tumor-intrinsic factors alone with many samples clustering on the basis of CD34+ stem cell donor ID. Conversely, clustering PDX samples revealed strong consistency in xenografts originating from the same primary tumor sample regardless of the chosen stem cell donor. The immune composition of primary tumor samples showed greater similarity with matched PDX samples versus unmatched PDX samples, further supporting that tumor-intrinsic factors drive immune composition in xenografts. Conclusions: We provide a high-resolution characterization of the immune phenotypes present in huNOG-EXL PDX models across three cancer types. These data captured substantial heterogeneity in the immune composition of humanized xenograft samples, and we demonstrate that immune composition in humanized xenografts is strongly driven by tumor-intrinsic features. Overall, this resource data supports the use of these models for immuno-oncology studies with future work focused on functionally validating specific immune cell populations of interest. Citation Format: Daniel Stueckmann, Jalna Meens, Sally Zhang, Shirley Hui, Sujana Sivapatham, Sephane Chevrier, Jennifer Pfeil, Lisa Martin, Maria Komisarenko, Philip Dube, Susan Prendeville, Hartland Jackson, Antonio Finelli, Gary Bader, Bernd Bodenmiller, Keith A. Lawson, Laurie Ailles. Single-cell proteomic characterization of the tumor microenvironment in humanized NOG-EXL patient-derived xenograft (PDX) models [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2024; Part 1 (Regular Abstracts); 2024 Apr 5-10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84(6_Suppl):Abstract nr 4215.
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) | 0,002 | 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 ».