MétaCan
Menu
Retour à la cohorte
Enregistrement W2936882789 · doi:10.1186/s13046-019-1126-y

Targeting late-stage non-small cell lung cancer with a combination of DNT cellular therapy and PD-1 checkpoint blockade

2019· article· en· W2936882789 sur OpenAlexafffund
Linan Fang, Dalam Ly, Sisi Wang, Jong Bok Lee, Hyeonjeong Kang, Hao Xu, Junlin Yao, Ming‐Sound Tsao, Wei Liu, Zhang Li

Notice bibliographique

RevueJournal of Experimental & Clinical Cancer Research · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensPrincess Margaret Cancer CentreOntario Institute for Cancer ResearchUniversity of TorontoToronto General HospitalUniversity Health Network
Organismes subventionnairesNational Cancer InstituteCanadian Institutes of Health ResearchUniversity Health NetworkPeople's Government of Jilin ProvinceCanadian Cancer SocietyNational Natural Science Foundation of China
Mots-clésBlockadeImmune checkpointStage (stratigraphy)MedicineCancer researchPD-L1OncologyApoptosisLung cancerPharmacologyCancerInternal medicineChemistryBiologyReceptorImmunotherapyBiochemistry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Though immune checkpoint blockade (ICB) against PD-1 has shown success in the treatment of lung cancer, not all patients respond. We have previously shown that adoptive transfer of double negative T (DNT) cells expanded from healthy donors can target leukemia but their role in treating established lung cancer is not clear. Here we explore the role of human DNT cells in targeting late-stage established lung cancer either alone or in combination with Nivolumab (anti-PD-1 antibody) and describe underlying mechanisms. METHODS: DNT cells from resected lung cancer tissue of patients were analyzed by flow cytometry to determine their infiltration and PD-1 expression. Expansion capacity and anti-tumor function of lung cancer patient and healthy donor DNT cells were compared. Late-stage lung cancer xenograft models were developed to determine the anti-tumor effect of DNT cells alone or in combination with anti-PD-1 antibody, and the level of tumor-infiltrating DNT cells was quantified by histology and characterized by flow cytometry. RESULTS: Patient-derived tumor infiltrating lymphocytes contained a lower frequency of DNT cells with a higher expression of PD-1 relative to normal lung tissue. Ex vivo expanded patient- and healthy donor-derived DNT cells showed similar levels of cytotoxicity against lung cancer cells in vitro. Healthy donor-derived DNT cells significantly inhibited the growth of late-stage lung cancer xenografts, which was further augmented by anti-PD-1 through increased DNT cell tumor infiltration. CONCLUSION: This study supports the use of DNT cells for adoptive cellular therapy against lung cancer either alone or in combination with anti-PD-1.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,105
Tête enseignante GPT0,469
Écart entre enseignants0,363 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations68
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Experimental & Clinical Cancer ResearchMême sujetCAR-T cell therapy researchTravaux en français237 207