Abstract A015: GPNMB CAR T cells target both Glioblastoma and its immunosuppressive niche to relieve immune evasion
Notice bibliographique
Résumé
Abstract Glioblastoma (GBM) remains a formidable challenge in neuro-oncology, characterized by heterogeneity and aggressive tumor growth. The identification of novel biomarkers and therapeutic targets is crucial for advancing promising therapies. This study profiled patient-derived tumor samples utilizing single-cell RNA sequencing and proteomics platforms to uncover the upregulation of glycoprotein non-metastatic melanoma protein B (GPNMB) in tumor cells, particularly in post-treatment recurrent tumor cells, as well as in tumor-associated macrophages (TAMs), which constitute a major population of immune cells in treatment-refractory recurrent GBM. By exploring its expression patterns against normal tissue specimens and utilizing a series of patient-derived xenograft and humanized mouse models, we explored GPNMB as a target for Chimeric Antigen Receptor T cells (CAR-Ts) as a monotherapy and in rationally designed combination treatment regimens. We also demonstrated the utility of the GPNMB CAR-T cell in eliminating TAMs, a major contributor to immunosuppression in solid tumors. Our study reveals the development of GPNMB-targeting therapies as part of a promising and effective combinatorial treatment strategy for GBM. Citation Format: Sheila K Singh, Neil Savage, Franz J Zemp, Vaseem Shaikh, Shan Grewal, Nicholas Mikolajewicz, Hinda Najem, Chitra Venugopal, Thomas Kislinger, Amy Heimberger, Douglas Mahoney, Jason Moffat. GPNMB CAR T cells target both Glioblastoma and its immunosuppressive niche to relieve immune evasion [abstract]. In: Proceedings of the AACR IO Conference: Discovery and Innovation in Cancer Immunology: Revolutionizing Treatment through Immunotherapy; 2025 Feb 23-26; Los Angeles, CA. Philadelphia (PA): AACR; Cancer Immunol Res 2025;13(2 Suppl):Abstract nr A015.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».