Generating <em>De Novo</em> Antigen-specific Human T Cell Receptors by Retroviral Transduction of Centric Hemichain
Notice bibliographique
Résumé
T cell receptors (TCRs) are used clinically to direct the specificity of T cells to target tumors as a promising modality of immunotherapy. Therefore, cloning TCRs specific for various tumor-associated antigens has been the goal of many studies. To elicit an effective T cell response, the TCR must recognize the target antigen with optimal affinity. However, cloning such TCRs has been a challenge and many available TCRs possess sub-optimal affinity for the cognate antigen. In this protocol, we describe a method of cloning de novo high affinity antigen-specific TCRs using existing TCRs by exploiting hemichain centricity. It is known that for some TCRs, each TCRα or TCRβ hemichain do not contribute equally to antigen recognition, and the dominant hemichain is referred to as the centric hemichain. We have shown that by pairing the centric hemichain with counter-chains differing from the original counter-chain, we are able to maintain the antigen specificity, while modulating its interaction strength for the cognate antigen. Thus, the therapeutic potential of a given TCR can be improved by optimizing the pairing between the centric and counter hemichains.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,005 | 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 ».