MétaCan
Menu
Retour à la cohorte
Enregistrement W2887911630 · doi:10.1093/intimm/dxy051

Producing proT cells to promote immunotherapies

2018· review· en· W2887911630 sur OpenAlexafffund
Jastaranpreet Singh, Juan Carlos Zúñiga‐Pflücker

Notice bibliographique

RevueInternational Immunology · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesCanadian Institutes of Health ResearchCanada First Research Excellence FundOntario Institute for Regenerative MedicineKrembil FoundationUniversity of Toronto
Mots-clésImmunotherapyChimeric antigen receptorCancer immunotherapyInduced pluripotent stem cellImmune systemT cellCell therapyImmunologyProgenitor cellAntigen-presenting cellAntigenBiologyMajor histocompatibility complexCancer researchStem cellCell biologyEmbryonic stem cell

Résumé

récupéré en direct d'OpenAlex

T lymphocytes are critical mediators of the adaptive immune system and they can be harnessed as therapeutic agents against pathogens and in cancer immunotherapy. T cells can be isolated and expanded from patients and potentially generated in vitro using clinically relevant systems. An ultimate goal for T-cell immunotherapy is to establish a safe, universal effector cell type capable of transcending allogeneic and histocompatibility barriers. To this end, human pluripotent stem cells offer an advantage in generating a boundless supply of T cells that can be readily genetically engineered. Here, we review emerging T-cell therapeutics, including tumor-infiltrating lymphocytes, chimeric antigen receptors and progenitor T cells (proT cells) as well as feeder cell-free in vitro systems for their generation. Furthermore, we explore their potential for adoption in the clinic and highlight the challenges that must be addressed to increase the therapeutic success of a universal immunotherapy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,405
Écart entre enseignants0,338 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational ImmunologyMême sujetCAR-T cell therapy researchTravaux en français237 207