Mathematical model of the rate‐limiting steps for retrovirus‐mediated gene transfer into mammalian cells
Notice bibliographique
Résumé
A quantitative understanding of the process of retrovirus-mediated gene transfer into mammalian cells should assist the design and optimization of transduction protocols. We present a mathematical model of the process that incorporates the essential rate-limiting transduction steps including diffusion, convection and decay of viral vectors, their binding at the cell surface and entry into the cell cytoplasm, reverse transcription of uncoated RNA to form DNA intermediates, transport of the latter through the cytosol to the cell nucleus and, finally, nuclear import and integration of the delivered DNA into the target cell genome. Cell and virus population balances are used to account for the kinetics of multiple vector infections which influence the transduction efficiency and govern the integrated copy number. The mathematical model is validated using gibbon ape leukemia virus envelope pseudotyped retroviral vectors and K562 target cells. Viral intermediate complexes derived from the internalized retroviral vectors are found to remain stable inside the K562 cells and the cytoplasmic trafficking time is consistent with the time scale for retrovirus uncoating, reverse transcription and transport to the cell nucleus. The model predictions of transduction efficiency and integrated copy number agree well with experimental data for both static (i.e., standard gravity) and centrifugation-based gene transfer protocols. The formulation of the model can also be applied to transduction protocols involving lenti- or foamy-viruses and so should prove to be useful for the optimization of several types of gene transfer processes.
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 ».