Spatially mapping the tumour immune microenvironments of non-small cell lung cancer
Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer-related deaths. An enhanced understanding of the immune microenvironments within these tumours may foster more precise and efficient treatment, particularly for immune-targeted therapies. The spatial architectural differences between lung adenocarcinoma (LUAD) and lung squamous cell carcinoma (LUSC) are relatively unexplored. Here, we applied imaging mass cytometry to a balanced cohort of LUAD and LUSC patients, matched for clinical factors such as age, sex, and smoking history, to analyze 204 histopathology images of tumours from 102 individuals with non-small cell lung cancer (NSCLC). By analyzing interactions and broader cellular networks, we interrogate the tumour microenvironment to understand how immune cells are spatially organized in clinically matched adenocarcinoma and squamous cell carcinoma subsets. This spatial analysis revealed distinct patterns of immune cell aggregation, particularly among macrophage populations, that correlated with patient prognosis differentially in adenocarcinoma and squamous cell carcinoma, suggesting potential new strategies for therapeutic intervention. Our findings underscore the importance of analyzing NSCLC histological subtypes separately when investigating the spatial immune landscape, as microenvironmental characteristics and cellular interactions differed by subtype. Recognizing these distinctions is essential for designing precision therapies tailored to each subtype’s unique immune architecture, ultimately enhancing patient outcomes. The spatial architecture of the lung cancer microenvironment could influence the survival outlook and therapeutic options of patients. Here the authors find distinct patterns and composition of immune cells when comparing lung adenocarcinomas and lung squamous cell carcinomas, paving way for precision immune therapy according to histological subtype.
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 | 0,001 | 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 ».