Multi-objective optimization reveals time- and dose-dependent inflammatory cytokine-mediated regulation of human stem cell derived T-cell development
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 generation of T-cells from stem cells in vitro could provide an alternative source of cells for immunotherapies. T-cell development from hematopoietic stem and progenitor cells (HSPCs) is tightly regulated through Notch pathway activation by Delta-like (DL) ligands 1 and 4. Other molecules, such as stem cell factor (SCF) and interleukin (IL)-7, play a supportive role in regulating the survival, differentiation, and proliferation of developing T-cells. Numerous other signaling molecules influence T-lineage development in vivo, but little work has been done to understand and optimize their use for T-cell production. Using a defined engineered thymic niche system, we undertook a multi-stage statistical learning-based optimization campaign and identified IL-3 and tumor necrosis factor α (TNFα) as a stage- and dose-specific enhancers of cell proliferation and T-lineage differentiation. We used this information to construct an efficient three-stage process for generating conventional TCRαβ + CD8 + T-cells expressing a diverse TCR repertoire from blood stem cells. Our work provides new insight into T-cell development and a robust system for generating T-cells to enable clinical therapies for treating cancer and immune disorders.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,004 | 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