Integrated multiomics revealed adenosine signaling predict immunotherapy response and regulate tumor ecosystem of melanoma
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Extracellular adenosine is extensively involved in regulating the tumor microenvironment. Given the disappointing results of adenosine-targeted therapy trials, personalized treatment might be necessary, tailored to the microenvironment status of individual patients. Here, we introduce the adenosine signaling score (ADO-score) model using non-negative matrix fraction identified patient subtypes using publicly available melanoma dataset, which aimed to profile adenosine signaling-related genes and construct a model to predict prognosis. We analyzed 580 malignant melanoma samples and demonstrated its robust value for prognosis. Further investigation in immune checkpoint inhibitor dataset suggests its potential as a stratified factor of immune checkpoint inhibitor efficacy. We validated the power of the ADO-score at the protein level immunofluorescence in a melanoma cohort from Xiangya Hospital. More importantly, single-cell and spatial transcriptomic data highlighted the cell-specific expression patterns of adenosine signaling-related genes and the existence of adenosine signaling-mediated crosstalk between tumor cells and immune cells in melanoma. Our study reveals a robust connection between adenosine signaling and clinical benefits in melanoma patients and proposes a universally applicable adenosine signaling model, the ADO-score, in gene expression profiles and histological sections. This model enables us to more precisely and conveniently select patients who are likely to benefit from immunotherapy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 découle