The co-stimulation of anti-CD28 and IL-2 enhances the sensitivity of ELISPOT assays for detection of neoantigen-specific T cells in PBMC
Notice bibliographique
Résumé
Abstract Neoantigen-based cancer immunotherapies hold the promise of being a truly personalized, effective treatment for diverse cancer types. ELISPOT assays, as a powerful experimental technique, can verify the existence of antigen specific T cells to support basic clinical research and monitor clinical trials. However, despite the high sensitivity of ELISPOT assays, detecting immune responses of neoantigen specific T cells in a patient or healthy donor’s PBMCs is still extremely difficult, since the frequency of these T cells can be very low. We developed a novel experimental method, by co-stimulation of T cells with anti-CD28 and IL-2 at the beginning of ELISPOT, to further increase the sensitivity of ELISPOT and mitigate the challenge introduced by low frequency T cells. Under the optimal concentration of 1μg/mL for anti-CD28 and 1U/ml for IL-2, our new method can increase sensitivity by up to 5 folds comparing to a conventional ELISPOT, and outperforms other cytokine stimulation alternatives. To the best of our knowledge, this is the first report that the co-stimulation of anti-CD28 and IL-2 is able to significantly improve the sensitivity of ELISPOT assays, indicating that anti-CD28 and IL-2 signaling can act in synergy to lower the T cell activation threshold and trigger more neoantigen-specific T cells.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».