Potentiation of a Dendritic Cell Vaccine for Murine Renal Cell Carcinoma by CpG Oligonucleotides
Notice bibliographique
Résumé
PURPOSE: An ideal vaccine therapy for tumors should activate both effector and memory immune responses against tumor-specific antigens. Here we investigated the effect of CpG oligodeoxynucleotides (CpG-ODN) for their ability to potentiate the activity of tumor antigen-pulsed bone marrow-derived dendritic cells (DC) in a vaccine model for the treatment of murine renal cell carcinoma (RENCA). EXPERIMENTAL DESIGN: First we evaluated the effects of a murine renal cell carcinoma (RENCA) on immune cell activity in a mouse model using in vitro assays for T-cell proliferation and natural killer cell activation. To overcome the immune suppression of the tumor, we s.c. injected groups of 10 mice with dendritic cells and tumor cells. We compared the effect of different conditioning regimens of the DCs with RENCA antigen and/or CpG-ODNs before injection by measuring tumor size twice a week. RESULTS: Tumor growth was shown to negatively affect spleen cell and T-cell proliferation, IFN-gamma production, natural killer cell activity, and NF-kappaB activation in T cells. In this model, we have shown that RENCA-pulsed CpG-ODN-treated DCs were able not only to significantly reduce tumor growth but also to prevent tumor implantation in 60% of mice. Tumor-free mice were resistant to tumor challenge and the immunity conferred by the vaccine was transferable and tumor specific. CONCLUSIONS: This data show that RENCA down-modulates the immune response, and DC vaccine therapy, in conjunction with CpG-ODN, can restore tumor-specific immunity.
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 | 0,000 |
| 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) | 0,001 | 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 ».