Uncovering the role of Tregs in immune surveillance against cancer with a mouse model that reveals premalignancy at single cell resolution 3379
Notice bibliographique
Résumé
Abstract Description The immune surveillance hypothesis posits that the immune system controls pre-cancerous cells prior to tumor formation. However, direct visualization of the process has been nearly impossible, because pre-cancerous cells are difficult to identify in conventional cancer models. To address this technical gap, our lab established a unique mouse model called MADM (Mosaic Analysis with Double Markers) that generates rare mutant cells with unequivocal GFP labeling. In a MADM model for triple negative breast cancer, we have discovered the specific and prominent presence of T/B cell-dominated immune aggregates adjacent to premalignant mutant ducts. Characterization via flow cytometry and spatial staining has revealed these aggregates are heterogenous in size, composition, and organization, and tend to dissipate as malignant tumors form. Interestingly, a significant portion of T cells in these aggregates are CD4+ Foxp3+ Tregs, which typically play an important role in preventing excess inflammation. We hypothesize that Tregs regulate immune surveillance against premalignancy to prevent excess inflammation/autoimmunity, but in doing so also prevent eradication of premalignant cells. We are testing this hypothesis using Treg ablation during premalignancy and expect that Treg ablated mice will show increased T/B cell presence and activation in the mammary gland and decreased premalignant cell expansion. Funding Sources Supported by the Basser Center for BRCA; University of Virginia (UVA) Pinn Scholarship; NIH/NCI R01-CA256199; UVA Cancer Center Training Grant Topic Categories Tumor Immunology: Cellular Responses and Tumor Microevironment (TIME)
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 ».