Immune profiling of dedifferentiated liposarcoma and identification of novel antigens for targeted immunotherapy
Notice bibliographique
Résumé
Dedifferentiated liposarcoma (DDLS) is an aggressive, recurring sarcoma with limited treatments. T-cell immunotherapies selectively target malignant cells, holding promise against DDLS. The development of successful immunotherapy for DDLS requires a thorough evaluation of the tumor immune microenvironment and the identification and characterization of targetable immunogenic tumor antigens. To assess the complexity of the human DDLS tumor immune microenvironment and to identify target antigens, we used the nCounter NanoString platform, analyzing gene expression profiles across 29 DDLS and 10 healthy adipose tissue samples. Hierarchical clustering of tumors based on expression of tumor inflammation signature genes revealed two distinct groups, consisting of 15 inflamed tumors and 14 non-inflamed tumors, demonstrating tumor heterogeneity within this sarcoma subtype. Among the identified antigens, PBK and TTK exhibited substantial upregulation in mRNA expression compared to healthy adipose tissue controls, further corroborated by positive protein expression by IHC. This data shows considerable inter-tumoral heterogeneity of inflammation, which should be taken into consideration when designing an immunotherapy for DDLS, and provides a novel targetable antigen in DDLS. The results of this study lay the groundwork for the development of a novel immunotherapy for this highly aggressive sarcoma.
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 | 0,001 | 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 ».