Computational model of CAR T-cell immunotherapy dissects and predicts leukemia patient responses at remission, resistance, and relapse
Notice bibliographique
Résumé
Background Adaptive CD19-targeted chimeric antigen receptor (CAR) T-cell transfer has become a promising treatment for leukemia. Although patient responses vary across different clinical trials, reliable methods to dissect and predict patient responses to novel therapies are currently lacking. Recently, the depiction of patient responses has been achieved using in silico computational models, with prediction application being limited. Methods We established a computational model of CAR T-cell therapy to recapitulate key cellular mechanisms and dynamics during treatment with responses of continuous remission (CR), non-response (NR), and CD19-positive (CD19 + ) and CD19-negative (CD19 − ) relapse. Real-time CAR T-cell and tumor burden data of 209 patients were collected from clinical studies and standardized with unified units in bone marrow. Parameter estimation was conducted using the stochastic approximation expectation maximization algorithm for nonlinear mixed-effect modeling. Results We revealed critical determinants related to patient responses at remission, resistance, and relapse. For CR, NR, and CD19 + relapse, the overall functionality of CAR T-cell led to various outcomes, whereas loss of the CD19 + antigen and the bystander killing effect of CAR T-cells may partly explain the progression of CD19 − relapse. Furthermore, we predicted patient responses by combining the peak and accumulated values of CAR T-cells or by inputting early-stage CAR T-cell dynamics. A clinical trial simulation using virtual patient cohorts generated based on real clinical patient datasets was conducted to further validate the prediction. Conclusions Our model dissected the mechanism behind distinct responses of leukemia to CAR T-cell therapy. This patient-based computational immuno-oncology model can predict late responses and may be informative in clinical treatment and management.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,001 | 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 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 ».