A proteogenomic surfaceome study identifies DLK1 as an immunotherapeutic target in neuroblastoma
Notice bibliographique
Résumé
Cancer immunotherapies produce remarkable results in B cell malignancies; however, optimal cell surface targets for many solid cancers remain elusive. Here, we present an integrative proteomic, transcriptomic, and epigenomic analysis of tumor and normal tissues to identify biologically relevant cell surface immunotherapeutic targets for neuroblastoma, an often-fatal childhood cancer. Proteogenomic analyses reveal sixty high-confidence candidate immunotherapeutic targets, and we prioritize delta-like canonical notch ligand 1 (DLK1) for further study. High expression of DLK1 directly correlates with a super-enhancer. Immunofluorescence, flow cytometry, and immunohistochemistry show robust cell surface expression of DLK1. Short hairpin RNA mediated silencing of DLK1 in neuroblastoma cells results in increased cellular differentiation. ADCT-701, a DLK1-targeting antibody-drug conjugate (ADC), shows potent and specific cytotoxicity in DLK1-expressing neuroblastoma xenograft models. Since high DLK1 expression is found in several adult and pediatric cancers, our study demonstrates the utility of a proteogenomic approach and credentials DLK1 as an immunotherapeutic target.
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 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) | 0,001 | 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 tête enseignante, 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 ».