Uncovering common transcriptional features shared by mature peripheral blood PMN-MDSCs and tumor-infiltrating neutrophils in humans
Notice bibliographique
Résumé
Human polymorphonuclear-myeloid-derived suppressor cells (PMN-MDSCs) consist of circulating low-density neutrophils (LDNs) characterized by the ability to inhibit T-cell responses. In previous studies, we demonstrated that the mature fraction of PMN-MDSCs (i.e. mPMN-MDSCs) exerts more potent immunosuppressive functions than its immature counterpart. More recently, we defined a specific gene signature of mPMN-MDSCs from cancer patients and G-CSF-treated donors (GDs) by bulk RNA sequencing (RNA-seq) experiments. In this study, by performing single-cell RNA-seq (scRNA-seq) experiments of circulating mPMN-MDSCs from non-small cell lung cancer (NSCLC) patients, we identified a major scRNA-seq cell cluster (arbitrarily named NSCLC c6) specifically displaying immunosuppressive and protumor transcriptomic features. Then, by analyzing publicly available scRNA-seq datasets from human tumor-associated neutrophils (TANs), we uncovered three TAN clusters (arbitrarily named TAN c6-c8) that were found to share with NSCLC c6 several common genes and transcription factor (TF) regulons associated with response to hypoxia, positive regulation of angiogenesis, and metabolic reprogramming. Furthermore, by performing scRNA-seq experiments of GD mPMN-MDSCs, we uncovered four scRNA-seq cell clusters (arbitrarily named GD c4-c7) that were enriched for the same genes and pathways characterizing NSCLC c6 and TAN c6-c8 cells. Altogether, these data uncover that human circulating mPMN-MDSCs and TANs from different cancer types share scRNA-seq cell clusters with transcriptomic similarities, supporting the notion that they might be strictly related.
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) | 0,001 | 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 | 0,001 |
| 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 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 ».