Comparative analysis of TCR and CAR signaling informs CAR designs with superior antigen sensitivity and in vivo function
Notice bibliographique
Résumé
Chimeric antigen receptor (CAR)-modified T cell therapy is effective in treating lymphomas, leukemias, and multiple myeloma in which the tumor cells express high amounts of target antigen. However, achieving durable remission for these hematological malignancies and extending CAR T cell therapy to patients with solid tumors will require receptors that can recognize and eliminate tumor cells with a low density of target antigen. Although CARs were designed to mimic T cell receptor (TCR) signaling, TCRs are at least 100-fold more sensitive to antigen. To design a CAR with improved antigen sensitivity, we directly compared TCR and CAR signaling in primary human T cells. Global phosphoproteomic analysis revealed that key T cell signaling proteins-such as CD3δ, CD3ε, and CD3γ, which comprise a portion of the T cell co-receptor, as well as the TCR adaptor protein LAT-were either not phosphorylated or were only weakly phosphorylated by CAR stimulation. Modifying a commonplace 4-1BB/CD3ζ CAR sequence to better engage CD3ε and LAT using embedded CD3ε or GRB2 domains resulted in enhanced T cell activation in vitro in settings of a low density of antigen, and improved efficacy in in vivo models of lymphoma, leukemia, and breast cancer. These CARs represent examples of alterations in receptor design that were guided by in-depth interrogation of T cell signaling.
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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».