Quantifying the importance of pMHC valency, total pMHC dose and frequency on nanoparticle therapeutic efficacy
Notice bibliographique
Résumé
Nanoparticles (NPs) coated with β-cell-specific peptide major histocompatibility complex (pMHC) class I molecules can effectively restore normoglycemia in spontaneously diabetic nonobese diabetic mice. They do so by expanding pools of cognate memory autoreactive regulatory CD8+ T cells that arise from naive low-avidity T-cell precursors to therapeutic levels. Here we develop our previously constructed mathematical model to explore the effects of compound design parameters (NP dose and pMHC valency) on therapeutic efficacy with the underlying hypothesis that the functional correlates of the therapeutic response (expansion of autoregulatory T cells and deletion of autoantigen-loaded antigen-presenting cells by these T cells) are biphasic. We show, using bifurcation analysis, that the model exhibits a 'resonance'-like behavior for a given range of NP dose in which bistability between the healthy state (possessing zero level of effector T-cell population) and autoimmune state (possessing elevated level of the same population) disappears. A heterogeneous population of model mice subjected to several treatment protocols under these new conditions is conducted to quantify both the average percentage of autoregulatory T cells in responsive and nonresponsive model mice, and the average valency-dependent minimal optimal dose needed for effective therapy. Our results reveal that a moderate increase (≥1.6-fold) in the NP-dependent expansion rate of autoregulatory T-cell population leads to a significant increase in the efficacy and the area corresponding to the effective treatment regimen, provided that NP dose ≥8 μg. We expect the model developed here to generalize to other autoimmune diseases and serve as a computational tool to understand and optimize pMHC-NP-based therapies.
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 ».