Enhancing adoptively transferred T cells by stimulating with dendritic cell stimulation: exploring novel therapies (P4405)
Notice bibliographique
Résumé
Abstract Adoptive Cell Transfer (ACT) of tumor infiltrating lymphocytes (TILs) is a promising strategy for cancer immunotherapy. The current therapy relies on non-myeloablative lymphodepletion and high dose IL-2 therapy, which has serious side effects for patients. Optimization of the current ACT therapy, using animal models, may help reduce or eliminate these additional treatments and enhance the response rate. ACT has been evaluated in the autoimmune model RIP-GP mice, which express the glycoprotein (GP) of lymphocytic choriomeningitis virus (LCMV) on the β-islet cells of the pancreas. Our findings showed that LCMV memory T cells stimulated with matured dendritic cells (DCs) and pulsed with peptides derived from LCMV, successfully induced diabetes. These stimulated T cells expanded well in vivo and showed strong killing activity after transfer. However, unstimulated memory tissue specific T cells rarely expanded after transfer and showed limited cytolytic activity. To evaluate this method in the tumor model, RIP-Tag2/GP double transgenic mice were used, which express the large T antigen under the control of RIP and spontaneously develop insulinomas. Islet specific T cells cocultured with DCs and LCMV-GP peptides displayed strong anti-tumor activity after transfer in vivo. Surprisingly, mice bearing insulinomas survived longer after ACT than mice treated with LCMV vaccination. Therefore, stimulating TILs before infusion has high potential for enhancing ACT therapy.
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 | 0,000 | 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 ».