Concurrent transposon engineering and CRISPR/Cas9 genome editing of primary CLL-1 chimeric antigen receptor–natural killer cells
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
BACKGROUND: Natural killer (NK) cell genome editing promises to enhance the innate and alloreactive anti-tumor potential of NK cell adoptive transfer. DNA transposons are versatile non-viral gene vectors now being adapted to primary NK cells, representing important tools for research and clinical product development. AIMS AND METHODS: We set out to generate donor-derived, primary chimeric antigen receptor (CAR)-NK cells by combining the TcBuster transposon system with Epstein-Barr virus-transformed lymphoblastoid feeder cell-mediated activation and expansion. RESULTS: This approach allowed for clinically relevant NK-cell expansion capability and CAR expression, which was further enhanced by immunomagnetic selection based on binding to the CAR target protein.The resulting CAR-NK cells targeting the myeloid associated antigen CLL-1 efficiently targeted CLL-1-positive AML cell lines and primary AML populations, including a population enriched for leukemia stem cells. Subsequently, concurrent delivery of CRISPR/Cas9 cargo was applied to knockout the NK cell cytokine checkpoint cytokine-inducible SH2-containing protein (CIS, product of the CISH gene), resulting in enhanced cytotoxicity and an altered NK cell phenotype. CONCLUSIONS: This report contributes a promising application of transposon engineering to donor-derived NK cells and emphasizes the importance of feeder mediated NK cell activation and expansion to current protocols.
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 | 0,000 | 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) | 0,003 | 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