Using <scp>MRI</scp> cell tracking to monitor immune cell recruitment in response to a peptide‐based cancer vaccine
Notice bibliographique
Résumé
Purpose MRI cell tracking can be used to monitor immune cells involved in the immunotherapy response, providing insight into the mechanism of action, temporal progression of tumor growth, and individual potency of therapies. To evaluate whether MRI could be used to track immune cell populations in response to immunotherapy, CD8 + cytotoxic T cells, CD4 + CD25 + FoxP3 + regulatory T cells, and myeloid‐derived suppressor cells were labeled with superparamagnetic iron oxide particles. Methods Superparamagnetic iron oxide‐labeled cells were injected into mice (one cell type/mouse) implanted with a human papillomavirus‐based cervical cancer model. Half of these mice were also vaccinated with DepoVax TM (ImmunoVaccine, Inc., Halifax, Nova Scotia, Canada), a lipid‐based vaccine platform that was developed to enhance the potency of peptide‐based vaccines. Results MRI visualization of CD8 + cytotoxic T cells, regulatory T cells, and myeloid‐derived suppressor cells was apparent 24 h post‐injection, with hypointensities due to iron‐labeled cells clearing approximately 72 h post‐injection. Vaccination resulted in increased recruitment of CD8 + cytotoxic T cells, and decreased recruitment of myeloid‐derived suppressor cells and regulatory T cells to the tumor. We also found that myeloid‐derived suppressor cell and regulatory T cell recruitment were positively correlated with final tumor volume. Conclusion This type of analysis can be used to noninvasively study changes in immune cell recruitment in individual mice over time, potentially allowing improved application and combination of immunotherapies. Magn Reson Med 80:304–316, 2018. © 2017 International Society for Magnetic Resonance in Medicine.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».