Investigating nano-sized tumor-derived extracellular vesicles in enhancing anti-PD-1 immunotherapy
Notice bibliographique
Résumé
Anti-PD1 immune checkpoint blockade (ICB) has shown promising results for treating several aggressive cancers, enhancing patient survival rates. The variability in clinical response to anti-PD1 ICB is thought to be driven by patient-specific biology and heterogeneity within the tumor microenvironment. Tumor-derived extracellular vesicles (TDEVs), nano-sized particles released from tumor cells, can modulate the tumor microenvironment, leading to immunosuppression and tumor progression. Hence, TDEVs may contribute to the variability in treatment response and play a crucial role in the failure of anti-PD1 immunotherapy. In this study, we develop a systems biology approach to interrogate the role of TDEVs on the response dynamics for anti-PD1 blockade. Our results suggest that the detection and profiling of TDEVs can help screen patients for anti-PD-1 immunotherapy. Moreover, the results in this study suggest that TDEVs and IL-12 can potentially be liquid biopsy biomarkers to profile patient response to anti-PD1 ICB and tailor patient-specific treatment protocols. Importantly, the methodology is generalizable to other types of cancer immunotherapies. Therefore, the collection of patient-specific liquid biopsy data, and the implementation of those data into the systems biology framework, may offer the opportunity to discover new biomarkers for patient drug screening and enable the continuous monitoring of patient response to treatment and adaptation of patient-specific immunotherapy treatment protocols to overcome therapeutic resistance.
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) | 0,000 | 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 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 ».