Time 2EVOLVE: predicting efficacy of engineered T-cells – how far is the bench from the bedside?
Notice bibliographique
Résumé
Immunotherapy with gene engineered CAR and TCR transgenic T-cells is a transformative treatment in cancer medicine. There is a rich pipeline with target antigens and sophisticated technologies that will enable establishing this novel treatment not only in rare hematological malignancies, but also in common solid tumors. The T2EVOLVE consortium is a public private partnership directed at accelerating the preclinical development of and increasing access to engineered T-cell immunotherapies for cancer patients. A key ambition in T2EVOLVE is to assess the currently available preclinical models for evaluating safety and efficacy of engineered T cell therapy and developing new models and test parameters with higher predictive value for clinical safety and efficacy in order to improve and accelerate the selection of lead T-cell products for clinical translation. Here, we review existing and emerging preclinical models that permit assessing CAR and TCR signaling and antigen binding, the access and function of engineered T-cells to primary and metastatic tumor ligands, as well as the impact of endogenous factors such as the host immune system and microbiome. Collectively, this review article presents a perspective on an accelerated translational development path that is based on innovative standardized preclinical test systems for CAR and TCR transgenic T-cell products.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 tête enseignante, 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 ».