Cellular MRI as a suitable, sensitive non-invasive modality for correlating in vivo migratory efficiencies of different dendritic cell populations with subsequent immunological outcomes
Notice bibliographique
Résumé
The clinical application of dendritic cells (DC) as adjuvants in immunotherapies such as the cell-based cancer vaccine continues to gain interest. The overall efficacy of this emerging immunotherapy, however, remains low. Studies suggest the stage of maturation and activation of ex vivo-prepared DC immediately prior to patient administration is critical to subsequent DC migration in vivo, which ultimately affects overall vaccine efficacy. While it is possible to generate mature and activated DC ex vivo using various stimulatory cocktails, in the case of cancer patients, the qualitative and quantitative assessment of which DC stimulatory cocktail works most effectively to enhance subsequent DC migration in vivo is difficult. Thus, a non-invasive imaging modality capable of monitoring the real-time migration of DC in long-term studies is required. In this paper, we address whether cellular magnetic resonance imaging (MRI) is sufficiently sensitive to quantitatively detect differences in the migratory abilities of two different DC preparations: untreated (resting) versus ex vivo matured in a mouse model. In order to distinguish our ex vivo-generated DC of interest from surrounding tissues in magnetic resonance (MR) images, DC were labeled in vitro with the superparamagnetic iron oxide (SPIO) nanoparticle FeREX®. Characterization of DC phenotype and function following addition of a cytokine maturation cocktail and the toll-like receptor ligand CpG, both in the presence and in the absence of SPIO, were also carried out. Conventional histological techniques were used to verify the quantitative data obtained from MR images. This study provides important information relevant to tracking the in vivo migration of ex vivo-prepared and stimulated DC.
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 | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».