SynNotch-CAR T cells overcome challenges of specificity, heterogeneity, and persistence in treating glioblastoma
Notice bibliographique
Résumé
Treatment of solid cancers with chimeric antigen receptor (CAR) T cells is plagued by the lack of ideal target antigens that are both absolutely tumor specific and homogeneously expressed. We show that multi-antigen prime-and-kill recognition circuits provide flexibility and precision to overcome these challenges in the context of glioblastoma. A synNotch receptor that recognizes a specific priming antigen, such as the heterogeneous but tumor-specific glioblastoma neoantigen epidermal growth factor receptor splice variant III (EGFRvIII) or the central nervous system (CNS) tissue-specific antigen myelin oligodendrocyte glycoprotein (MOG), can be used to locally induce expression of a CAR. This enables thorough but controlled tumor cell killing by targeting antigens that are homogeneous but not absolutely tumor specific. Moreover, synNotch-regulated CAR expression averts tonic signaling and exhaustion, maintaining a higher fraction of the T cells in a naïve/stem cell memory state. In immunodeficient mice bearing intracerebral patient-derived xenografts (PDXs) with heterogeneous expression of EGFRvIII, a single intravenous infusion of EGFRvIII synNotch-CAR T cells demonstrated higher antitumor efficacy and T cell durability than conventional constitutively expressed CAR T cells, without off-tumor killing. T cells transduced with a synNotch-CAR circuit primed by the CNS-specific antigen MOG also exhibited precise and potent control of intracerebral PDX without evidence of priming outside of the brain. In summary, by using circuits that integrate recognition of multiple imperfect but complementary antigens, we improve the specificity, completeness, and persistence of T cells directed against glioblastoma, providing a general recognition strategy applicable to other solid tumors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 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 ».