mRNA-LNP vaccination orchestrates systemic immunity to control human papillomavirus-positive head and neck squamous cell carcinoma
Notice bibliographique
Résumé
Messenger RNA (mRNA) vaccines have demonstrated significant potential in cancer immunotherapy by activating both innate and adaptive immunity. However, the detailed cellular and molecular dynamics underpinning these systemic immune responses remain incompletely understood. In this study, we characterized the systemic immune landscape following human papillomavirus (HPV)-targeted mRNA-lipid nanoparticle (LNP) vaccination using single-cell RNA sequencing (scRNA-seq) in a murine model of HPV-positive head and neck squamous cell carcinoma (HNSCC). Our study revealed a coordinated remodeling of the systemic immune landscape, involving the tumor microenvironment (TME), tumor-draining lymph nodes (TDLNs), spleen, and blood. Notably, we pioneered a distinct interferon-stimulated gene (ISG) signature across multiple lymphoid subsets in TDLNs, driven by the LNP component, which contributed to rapid, non-antigen-specific immune activation. Additionally, HPV mRNA-LNP vaccination induced an antigen-specific cycling burst of immune cells that mediated tumor control through a systemic coordination of multi-directional differentiation into anti-tumor cell compositions. These findings enhance our understanding of how mRNA-LNP vaccination orchestrates systemic anti-tumor responses and highlight the therapeutic potential of targeting ISG-expressing and cycling immune cells to improve vaccine efficacy, paving the way for future clinical applications in HPV-related cancers.
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) | 0,000 | 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) | 0,000 | 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 ».