The PD-1 expression balance between effector and regulatory T cells predicts the clinical efficacy of PD-1 blockade therapies

封锁 效应器 免疫检查点 CD8型 生物标志物 癌症研究 肿瘤微环境 T细胞 医学 免疫系统 细胞毒性T细胞 免疫疗法 PD-L1 免疫学 生物 受体 内科学 体外 生物化学
作者
Shogo Kumagai,Yosuke Togashi,Takahiro Kamada,Eri Sugiyama,Hitomi Nishinakamura,Yoshiko Takeuchi,Vitaly Kochin,Kota Itahashi,Yuka Maeda,Shigeyuki Matsui,Takuma Shibahara,Yasuho Yamashita,Takuma Irie,Ayaka Tsuge,Shota Fukuoka,Akihito Kawazoe,Hibiki Udagawa,Keisuke Kirita,Keiju Aokage,Genichiro Ishii
出处
期刊:Nature Immunology [Springer Nature]
卷期号:21 (11): 1346-1358 被引量:759
标识
DOI:10.1038/s41590-020-0769-3
摘要

Immune checkpoint blockade has provided a paradigm shift in cancer therapy, but the success of this approach is very variable; therefore, biomarkers predictive of clinical efficacy are urgently required. Here, we show that the frequency of PD-1+CD8+ T cells relative to that of PD-1+ regulatory T (Treg) cells in the tumor microenvironment can predict the clinical efficacy of programmed cell death protein 1 (PD-1) blockade therapies and is superior to other predictors, including PD ligand 1 (PD-L1) expression or tumor mutational burden. PD-1 expression by CD8+ T cells and Treg cells negatively impacts effector and immunosuppressive functions, respectively. PD-1 blockade induces both recovery of dysfunctional PD-1+CD8+ T cells and enhanced PD-1+ Treg cell–mediated immunosuppression. A profound reactivation of effector PD-1+CD8+ T cells rather than PD-1+ Treg cells by PD-1 blockade is necessary for tumor regression. These findings provide a promising predictive biomarker for PD-1 blockade therapies.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
hyy发布了新的文献求助10
刚刚
刚刚
lycoris发布了新的文献求助10
1秒前
1秒前
管理小白发布了新的文献求助10
1秒前
白芷完成签到 ,获得积分10
1秒前
微风完成签到 ,获得积分10
1秒前
田様应助迷路雨寒采纳,获得10
2秒前
2秒前
豆豆豆豆豆完成签到 ,获得积分10
2秒前
jiangjiang发布了新的文献求助10
2秒前
彪壮的立果完成签到 ,获得积分10
2秒前
zj发布了新的文献求助10
2秒前
3秒前
827584450发布了新的文献求助10
3秒前
花卷发布了新的文献求助10
4秒前
li发布了新的文献求助10
4秒前
4秒前
Sunshine完成签到,获得积分10
5秒前
彭于晏应助luoyulin采纳,获得10
5秒前
量子星尘发布了新的文献求助10
5秒前
LXN发布了新的文献求助10
5秒前
果艾琪发布了新的文献求助10
6秒前
小欣6116发布了新的文献求助10
6秒前
FashionBoy应助啊哦呃咦唔吁采纳,获得10
6秒前
okl发布了新的文献求助10
6秒前
展锋发布了新的文献求助10
8秒前
松数完成签到,获得积分10
8秒前
ark861023发布了新的文献求助10
8秒前
愉快的莹完成签到,获得积分10
9秒前
CipherSage应助嘛吉采纳,获得10
9秒前
shell应助Jacky77采纳,获得50
9秒前
jianlong0206完成签到,获得积分10
9秒前
量子星尘发布了新的文献求助10
10秒前
yannis发布了新的文献求助10
10秒前
老纪1999发布了新的文献求助10
10秒前
上官若男应助果艾琪采纳,获得10
10秒前
10秒前
RR完成签到,获得积分10
12秒前
松数发布了新的文献求助10
12秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Introduction to strong mixing conditions volume 1-3 5000
Clinical Microbiology Procedures Handbook, Multi-Volume, 5th Edition 2000
The Cambridge History of China: Volume 4, Sui and T'ang China, 589–906 AD, Part Two 1000
The Composition and Relative Chronology of Dynasties 16 and 17 in Egypt 1000
Real World Research, 5th Edition 800
Qualitative Data Analysis with NVivo By Jenine Beekhuyzen, Pat Bazeley · 2024 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5718656
求助须知:如何正确求助?哪些是违规求助? 5253667
关于积分的说明 15286658
捐赠科研通 4868722
什么是DOI,文献DOI怎么找? 2614394
邀请新用户注册赠送积分活动 1564266
关于科研通互助平台的介绍 1521785