Microfluidic technologies for immunotherapy studies on solid tumours
Notice bibliographique
Résumé
Immunotherapy is a powerful and targeted cancer treatment that exploits the body's immune system to attack and eliminate cancerous cells. This form of therapy presents the possibility of long-term control and prevention of recurrence due to the memory capabilities of the immune system. Various immunotherapies are successful in treating haematological malignancies and have dramatically improved outcomes in melanoma. However, tackling other solid tumours is more challenging, mostly because of the immunosuppressive tumour microenvironment (TME). Current in vitro models based on traditional 2D cell monolayers and animal models, such as patient-derived xenografts, have limitations in their ability to mimic the complexity of the human TME. As a result, they have inadequate translational value and can be poorly predictive of clinical outcome. Thus, there is a need for robust in vitro preclinical tools that more faithfully recapitulate human solid tumours to test novel immunotherapies. Microfluidics and lab-on-a-chip technologies offer opportunities, especially when performing mechanistic studies, to understand the role of the TME in immunotherapy, and to expand the experimental throughput when using patient-derived tissue through its miniaturization capabilities. This review first introduces the basic concepts of immunotherapy, presents the current preclinical approaches used in immuno-oncology for solid tumours and then discusses the underlying challenges. We provide a rationale for using microfluidic-based approaches, highlighting the most recent microfluidic technologies and methodologies that have been used for studying cancer-immune cell interactions and testing the efficacy of immunotherapies in solid tumours. Ultimately, we discuss achievements and limitations of the technology, commenting on potential directions for incorporating microfluidic technologies in future immunotherapy studies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».