Targeting the adenosine 2A receptor enhances chimeric antigen receptor T cell efficacy
Notice bibliographique
Résumé
Chimeric antigen receptor (CAR) T cells have been highly successful in treating hematological malignancies, including acute and chronic lymphoblastic leukemia. However, treatment of solid tumors using CAR T cells has been largely unsuccessful to date, partly because of tumor-induced immunosuppressive mechanisms, including adenosine production. Previous studies have shown that adenosine generated by tumor cells potently inhibits endogenous antitumor T cell responses through activation of adenosine 2A receptors (A2ARs). Herein, we have observed that CAR activation resulted in increased A2AR expression and suppression of both murine and human CAR T cells. This was reversible using either A2AR antagonists or genetic targeting of A2AR using shRNA. In 2 syngeneic HER2+ self-antigen tumor models, we found that either genetic or pharmacological targeting of the A2AR profoundly increased CAR T cell efficacy, particularly when combined with PD-1 blockade. Mechanistically, this was associated with increased cytokine production of CD8+ CAR T cells and increased activation of both CD8+ and CD4+ CAR T cells. Given the known clinical relevance of the CD73/adenosine pathway in several solid tumor types, and the initiation of phase I trials for A2AR antagonists in oncology, this approach has high translational potential to enhance CAR T cell efficacy in several cancer types.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».