MétaCan
Menu
Retour à la cohorte
Enregistrement W3007691816 · doi:10.3389/fimmu.2020.00276

T-Cell Immunotherapies Targeting Histocompatibility and Tumor Antigens in Hematological Malignancies

2020· review· en· W3007691816 sur OpenAlexafffund
Valérie Janelle, Caroline Rulleau, Simon Del Testa, Cédric Carli, Jean‐Sébastien Delisle

Notice bibliographique

RevueFrontiers in Immunology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensUniversité de MontréalHôpital Maisonneuve-Rosemont
Organismes subventionnairesFonds de Recherche du Québec - Santé
Mots-clésMinor histocompatibility antigenAntigenImmunologyImmunotherapyMajor histocompatibility complexBiologyChimeric antigen receptorHistocompatibilityCancer immunotherapyCancer researchHuman leukocyte antigenImmune system

Résumé

récupéré en direct d'OpenAlex

Over the last decades, T-cell immunotherapy has revealed itself as a powerful, and often curative, strategy to treat blood cancers. In hematopoietic cell transplantation, most of the so-called graft-vs.-leukemia (GVL) effect hinges on the recognition of histocompatibility antigens that reflect immunologically relevant genetic variants between donors and recipients. Whether other variants acquired during the neoplastic transformation, or the aberrant expression of gene products can yield antigenic targets of similar relevance as the minor histocompatibility antigens is actively being pursued. Modern genomics and proteomics have enabled the high throughput identification of candidate antigens for immunotherapy in both autologous and allogeneic settings. As such, these major histocompatibility complex-associated tumor-specific (TSA) and tumor-associated antigens (TAA) can allow for the targeting of multiple blood neoplasms, which is a limitation for other immunotherapeutic approaches, such as chimeric antigen receptor (CAR)-modified T cells. We review the current strategies taken to translate these discoveries into T-cell therapies and propose how these could be introduced in clinical practice. Specifically, we discuss the criteria that are used to select the antigens with the greatest therapeutic value and we review the various T-cell manufacturing approaches in place to either expand antigen-specific T cells from the native repertoire or genetically engineer T cells with minor histocompatibility antigen or TSA/TAA-specific recombinant T-cell receptors. Finally, we elaborate on the current and future incorporation of these therapeutic T-cell products into the treatment of hematological malignancies.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,314
Écart entre enseignants0,279 · 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'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

Citations51
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetCAR-T cell therapy researchTravaux en français237 207