MétaCan
Menu
Retour à la cohorte
Enregistrement W4410918597 · doi:10.1136/jitc-2025-011682

Circulating immunoregulatory B cell and autoreactive antibody profiles predict lack of toxicity to anti-PD-1 checkpoint inhibitor treatment in advanced melanoma

2025· article· en· W4410918597 sur OpenAlexaff
Zena Willsmore, Lucy H. Booth, Akshay J. Patel, Ashley Di Meo, Ioannis Prassas, Jitesh Chauhan, Yin Wu, Amanda Fitzpartick, Katie Stoker, Matthaios Kapiris, Dhruva Biswas, Esperanza Perucha, Sean Whittaker, Sophia Tsoka, Eleftherios P. Diamandis, Gary Middleton, Thomas J Tull, Sophie Papa, Katie E. Lacy, Sophia N. Karagiannis

Notice bibliographique

RevueJournal for ImmunoTherapy of Cancer · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalUniversity of TorontoSt. Thomas HospitalUniversity Health Network
Organismes subventionnairesGuy's and St Thomas' CharityBritish Skin FoundationRoyal SocietyCancer Research UKWellcome Trust
Mots-clésImmunologyAntibodyMedicineMelanomaMemory B cellImmune systemImmunoglobulin EB cellToxicityImmunotherapyImmune checkpointCancer researchInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The majority of patients with melanoma develop immune-related adverse events (irAEs), and over half do not respond to anti-PD-1 (Programmed cell death protein 1) checkpoint inhibitor (CPI) immunotherapy. Accurate predictive biomarkers for both response to therapy and development of irAEs are currently lacking in clinical practice. Here, we conduct deep immunophenotyping of circulating regulatory and class-switched B cell and antibody immune states in patients with advanced stage III/IV melanoma prior to and longitudinally during CPI. METHODS: Mass cytometry, serum antibody isotyping and immuno-mass spectrometry proteome-wide screening evaluations to identify autoreactive antibodies were undertaken to profile circulating humoral immunity features in patients and healthy subjects and interrogate pretreatment B cell and antibody signatures that predict toxicity and response to anti-PD-1 therapy. In paired blood samples pretreatment and post-treatment, these humoral immune response profiles were monitored and correlated with the onset of toxicity. RESULTS: We found increased circulating IL-10+ (Interleukin-10+) plasmablasts and double-negative (DN) B cell frequencies, higher PD-L1 (programmed death ligand 1), TGFβ (Transforming Growth Factorβ) and CD95 expression by B cells, alongside higher IgG4 and IgE serum levels in patients with stage III/IV melanoma. This suggests enhanced B regulatory and Th2 (Thelper2)-driven responses in advanced disease. Increased baseline frequency of DN2 B cells, plasmablasts, and serum IgE, IgA and antibody autoreactivity were observed in patients who did not develop irAE. During treatment, higher IL-10+class-switched memory B cell, plasmablast and IgG1, IgG3 and IgE, alongside reduced IgG2, IgG4, IgA and IgM levels, were observed. A reduction in autoantibodies targeting tubulins was observed during treatment. Increased frequency of class-switched memory B cells predicted improved survival, while reduced transitional and PD-L1+TGFβ+ naive B cell frequencies and higher IgG4 and IgE levels predicted lower survival, on anti-PD-1 therapy. CONCLUSIONS: Distinct B cell and antibody reactivities in patients with advanced melanoma share features with extrafollicular B cell responses in autoimmune diseases, may be protective from irAE and help predict outcomes to anti-PD-1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,350
Écart entre enseignants0,333 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal for ImmunoTherapy of CancerMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207