MétaCan
Menu
Retour à la cohorte
Enregistrement W3135355541 · doi:10.3791/61511

Functional Analysis of Tumor-Infiltrating Myeloid Cells by Flow Cytometry and Adoptive Transfer

2021· article· en· W3135355541 sur OpenAlexafffund
Andrew Nguyen, Omar Salem, Yonghong Wan

Notice bibliographique

RevueJournal of Visualized Experiments · 2021
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune cells in cancer
Établissements canadiensMcMaster UniversityMcMaster University Medical Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMyeloidAdoptive cell transferTumor microenvironmentImmunologyCancer researchBiologyContext (archaeology)ImmunotherapyMyeloid cellsCytokineImmune systemT cellMedicine

Résumé

récupéré en direct d'OpenAlex

The tumor-infiltrating myeloid cell compartment represents a heterogeneous population of broadly immunosuppressive cells that have been exploited by the tumor to support its growth. Their accumulation in tumor and secondary lymphoid tissue leads to the suppression of antitumor immune responses and is thus a target for therapeutic intervention. As it is known that the local cytokine milieu can dictate the functional programming of tumor-infiltrating myeloid cells, strategies have been devised to manipulate the tumor microenvironment (TME) to express a cytokine landscape more conducive to antitumor myeloid cell activity. To evaluate therapy-induced changes in tumor-infiltrating myeloid cells, this paper will outline the procedure to dissociate intradermal/subcutaneous tumor tissue from solid tumor-bearing mice in preparation for leukocyte recovery. Strategies for flow cytometric analysis will be provided to enable the identification of heterogeneous myeloid populations within isolated leukocytes and the characterization of unique myeloid phenotypes. Lastly, this paper will describe a means of purifying viable myeloid cells for functional assays and determining their therapeutic value in the context of adoptive transfer.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,018
Tête enseignante GPT0,341
Écart entre enseignants0,322 · 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
GenreMéthodes

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

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetImmune cells in cancerTravaux en français237 207