Quantifying Antigen-Specific T Cell Responses When Using Antigen-Agnostic Immunotherapies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Immunotherapies are at the forefront of the fight against cancers, and researchers continue to develop and test novel immunotherapeutic modalities. Ideal cancer immunotherapies induce a patient's immune system to kill their own cancer and develop long-lasting immunity. Research has demonstrated a critical requirement for CD8 + and CD4 + T cells in achieving durable responses. In the path to the clinic, researchers require robust tools to effectively evaluate the capacity for immunotherapies to generate adaptive anti-tumor responses. To study functional tumor-specific T cells, researchers have relied on targeting tumor-associated antigens (TAAs) or the inclusion of surrogate transgenes in pre-clinical models, which facilitate detection of T cells by using the targeted antigen(s) in peptide re-stimulation or tetramer-staining assays. Unfortunately, many pre-clinical models lack a defined TAA, and epitope mapping of TAAs is costly. Surrogate transgenes can alter tumor engraftment and influence the immunogenicity of tumors, making them less relevant to clinical tumors. Further, some researchers prefer to develop therapies that do not rely on pre-defined TAAs. Here, we describe a method to exploit major histocompatibility complex expression on murine cancer cell lines in a co-culture assay to detect T cells responding to bulk, undefined, tumor antigens. This is a tool to support the preclinical evaluation of novel, antigen-agnostic immunotherapies.
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.
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 découle