Granulocyte-Macrophage Colony-Stimulating Factor and Interleukin-2 Fusion cDNA for Cancer Gene Immunotherapy
Notice bibliographique
Résumé
Genetic engineering of tumor cells to express both granulocyte-macrophage colony-stimulating factor (GM-CSF) and interleukin (IL)-2 can induce synergistic immune antitumor effects. Paradoxically, the combination has also been reported to down-regulate certain immune functions, highlighting the unpredictability of dual cytokine use. We hypothesized that a GM-CSF and IL-2 fusion transgene (GIFT) could circumvent such limitations yet preserve synergistic features. We designed a fusion cDNA of murine GM-CSF and IL-2. Protein structure computer modeling of GIFT protein predicted for intact ligand binding domains for both cytokines. B16 mouse melanoma cells were gene modified to express GIFT (B16GIFT), and these cells were unable to form tumors in C57bl/6 mice. Irradiated B16GIFT whole-cell tumor vaccine could also induce absolute protective immunity against challenge by live B16 cells. In mice with established melanoma, B16GIFT therapeutic cellular vaccine significantly improved tumor-free survival when compared with B16 expressing both IL-2 and GM-CSF. We show that GIFT induced a significantly greater tumor site recruitment of macrophages than combined GM-CSF and IL-2 and that macrophage recruitment arises from novel chemotactic feature of GIFT. In contrast to suppression by GM-CSF of natural killer (NK) cell recruitment despite coexpression of IL-2, GIFT leads to significant functional NK cell infiltration as confirmed in NK-defective beige mice. In conclusion, we demonstrated that a fusion between GM-CSF and IL-2 can invoke greater antitumor effect than both cytokines in combination, and novel immunobiological properties can arise from such chimeric constructs.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».