Using X-ray Crystallography, Biophysics, and Functional Assays to Determine the Mechanisms Governing T-cell Receptor Recognition of Cancer Antigens
Notice bibliographique
Résumé
Human CD8+ cytotoxic T lymphocytes (CTLs) are known to play an important role in tumor control. In order to carry out this function, the cell surface-expressed T-cell receptor (TCR) must functionally recognize human leukocyte antigen (HLA)-restricted tumor-derived peptides (pHLA). However, we and others have shown that most TCRs bind sub-optimally to tumor antigens. Uncovering the molecular mechanisms that define this poor recognition could aid in the development of new targeted therapies that circumnavigate these shortcomings. Indeed, present therapies that lack this molecular understanding have not been universally effective. Here, we describe methods that we commonly employ in the laboratory to determine how the nature of the interaction between TCRs and pHLA governs T-cell functionality. These methods include the generation of soluble TCRs and pHLA and the use of these reagents for X-ray crystallography, biophysical analysis, and antigen-specific T-cell staining with pHLA multimers. Using these approaches and guided by structural analysis, it is possible to modify the interaction between TCRs and pHLA and to then test how these modifications impact T-cell antigen recognition. These findings have already helped to clarify the mechanism of T-cell recognition of a number of cancer antigens and could direct the development of altered peptides and modified TCRs for new cancer 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 | 0,001 | 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 ».