Nouvelle approche immunothérapeutique afin de traiter le neuroblastome réfractaire chez l’enfant
Bibliographic record
Abstract
Malgré plusieurs chimiothérapies suivies d’une transplantation et d’une immunothérapie, 40% des patients avec un neuroblastome (NB) à haut risque subissent une progression de la maladie ou une rechute. L’échec de ces traitements est attribué à la présence de cellules initiatrices de tumeur (TIC) qui expriment le marqueur CD133 et qui sont souvent résistantes aux agents chimiothérapeutiques. Les cellules Natural Killer (NK), qui possèdent un effet anti-tumoral, peuvent être utilisées dans le cadre du développement de nouvelles approches immuno-thérapeutiques. Nous posons l’hypothèse que les cellules NK activées éliminent efficacement les TIC et contribuent à la réduction des risques de rechute. De plus, il est possible d’augmenter l’effet anti-tumoral des cellules NK contre le NB. L’activité cytotoxique des cellules NK est augmentée par des cellules dendritiques plasmacytoïdes (pDC) activées. A la suite de la stimulation de leurs récepteurs Toll-like les pDC produisent de grandes quantités d'interféron-alpha (IFN-α). Nous avons étudié les propriétés lytiques des cellules NK contre des lignées cellulaires de NB à la suite de leur activation par l’IFN-α ou des pDC activées. Nos résultats révèlent une augmentation de l’activité cytolytique des cellules NK contre ces lignées en réponse à une stimulation par les pDC activées. De plus, les cellules de NB CD133+ ou celles résistantes à l’immunothérapie dirigée contre le GD2 sont sensibles à la lyse médiée par les cellules NK stimulées par les pDC. Nous avons examiné les mécanismes cellulaires impliqués dans la lyse des cellules de NB. Nous montrons que cette cytotoxicité est médiée en partie par TRAIL induisant l'apoptose et en partie par la libération des granules cytotoxiques. Ainsi, ces résultats permettent de proposer une nouvelle approche immuno-thérapeutique complémentaire au traitement par l’anticorps anti-GD2 pour les patients atteints de NB à haut risque.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".