Distinct Cellular and Molecular Patterns in Pretreatment Peripheral Blood Are Associated with CAR T-cell Outcomes in Diffuse Large B-cell Lymphoma
Notice bibliographique
Résumé
Chimeric antigen receptor (CAR) T-cell therapy has revolutionized the treatment landscape for relapsed/refractory B-cell malignancies. Despite its success, approximately 60% of patients experience treatment failure, underscoring the need to better understand the determinants of response and resistance. We performed single-cell RNA sequencing of pretreatment peripheral blood samples and anti-CD19 CAR T-cell products from 57 diffuse large B-cell lymphomas (DLBCL), correlating molecular and cellular features with clinical outcomes. At the time of leukapheresis, responders presented elevated levels of CD16+ monocytes and CD4+ effector memory T cells. In contrast, nonresponders showed an inflammation-driven gene expression signature across T-cell and myeloid compartments, marked by upregulation of TNFα response signaling pathways. Notably, the presence of malignant or healthy B cells (13 of 57 patients) was strongly associated with a favorable response. These findings shed light on the immune landscape conducive to successful CAR T-cell therapy and offer a molecular framework for developing personalized tools to improve patient selection, stratification, and the design of next-generation CAR T-cell treatments. SIGNIFICANCE: Single-cell analysis of pretreatment peripheral blood from diffuse large B-cell lymphoma identified immune cell populations and genetic signatures correlated with CAR T-cell outcomes, informing patient selection, treatment strategies, and next-generation CAR T development.
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 | 0,001 |
| 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 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 ».