Integrative Bulk and Single-Cell Profiling of Premanufacture T-cell Populations Reveals Factors Mediating Long-Term Persistence of CAR T-cell Therapy
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
Abstract The adoptive transfer of chimeric antigen receptor (CAR) T cells represents a breakthrough in clinical oncology, yet both between- and within-patient differences in autologously derived T cells are a major contributor to therapy failure. To interrogate the molecular determinants of clinical CAR T-cell persistence, we extensively characterized the premanufacture T cells of 71 patients with B-cell malignancies on trial to receive anti-CD19 CAR T-cell therapy. We performed RNA-sequencing analysis on sorted T-cell subsets from all 71 patients, followed by paired Cellular Indexing of Transcriptomes and Epitopes (CITE) sequencing and single-cell assay for transposase-accessible chromatin sequencing (scATAC-seq) on T cells from six of these patients. We found that chronic IFN signaling regulated by IRF7 was associated with poor CAR T-cell persistence across T-cell subsets, and that the TCF7 regulon not only associates with the favorable naïve T-cell state, but is maintained in effector T cells among patients with long-term CAR T-cell persistence. These findings provide key insights into the underlying molecular determinants of clinical CAR T-cell function. Significance: To improve clinical outcomes for CAR T-cell therapy, there is a need to understand the molecular determinants of CAR T-cell persistence. These data represent the largest clinically annotated molecular atlas in CAR T-cell therapy to date, and significantly advance our understanding of the mechanisms underlying therapeutic efficacy. This article is highlighted in the In This Issue feature, p. 2113
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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