Tumor-Resident Dendritic Cells and Macrophages Modulate the Accumulation of TCR-Engineered T Cells in Melanoma
Notice bibliographique
Résumé
Ongoing clinical trials explore T cell receptor (TCR) gene therapy as a treatment option for cancer, but responses in solid tumors are hampered by the immunosuppressive microenvironment. The production of TCR gene-engineered T cells requires full T cell activation in vitro , and it is currently unknown whether in vivo interactions with conventional dendritic cells (cDCs) regulate the accumulation and function of engineered T cells in tumors. Using the B16 melanoma model and the inducible depletion of CD11c + cells in CD11c.diphtheria toxin receptor (DTR) mice, we analyzed the interaction between tumor-resident cDCs and engineered T cells expressing the melanoma-specific TRP-2 TCR. We found that depletion of CD11c + cells triggered the recruitment of cross-presenting cDC1 into the tumor and enhanced the accumulation of TCR-engineered T cells. We show that the recruited tumor cDCs present melanoma tumor antigen, leading to enhanced activation of TCR-engineered T cells. In addition, detailed analysis of the tumor myeloid compartment revealed that the depletion of a population of DT-sensitive macrophages can contribute to the accumulation of tumor-infiltrating T cells. Together, these data suggest that the relative frequency of tumor-resident cDCs and macrophages may impact the therapeutic efficacy of TCR gene therapy in solid tumors.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,001 | 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 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 ».