MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313365647 · doi:10.4049/jimmunol.202.supp.71.3

Optimization of human T cell activation and expansion protocols improves efficiency of genetic modification and overall cell yield

2019· article· en· W4313365647 sur OpenAlexaff
Jessie Z. Yu, Priscilla Chen, D. Watson, Danielle Truong, Jennifer Antonchuk, Andy I. Kokaji, Steven M. Woodside, Allen Eaves, Terry E. Thomas

Notice bibliographique

RevueThe Journal of Immunology · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensBC Cancer AgencyStemcell Technologies
Organismes subventionnairesnon disponible
Mots-clésTransfectionT cellCell biologyCellT-cell receptorCell cultureCell growthMolecular biologyChemistryBiologyImmunologyBiochemistryImmune systemGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Cancer immunotherapy using CAR T-cells is a rapidly progressing field and manufacturing these cells is a complex process that requires multiple optimization steps. We have developed reagents for the isolation, activation and expansion of human T cells that will be available for clinical cell therapy manufacturing. Soluble ImmunoCult™ Human T Cell Activators induce T cell activation via cross-linking CD3 and co-stimulatory molecules on the surface of cells. Activated T cells then can be genetically modified and subsequently expanded in ImmunoCult™-XF, a serum- and xeno-free T cell expansion medium. Here, we present several optimization strategies with ImmunoCult™ products in order to obtain high transfection efficiency and maximum cell yield. By evaluating activation dynamics of T cells and determining the optimal transfection time points, the transfection efficiency can be substantially improved in both CRISPR/Cas9- and lentiviral-mediated gene-modification methods. Our study also suggests that maintaining T cells at lower cell density after the third day following activation greatly improves cell viability and cumulative cell growth, resulting in an >1000-fold expansion of total human T cells with >85% viability over 10–12 days of culture. Expanded T cells co-express CD45RO+CD62L+ with low expression of PD-1. As an example, we applied the workflow described here to generate TCRαβ KO T cells from healthy donors with up to 90% knockout efficiency. The purity of TCRαβ KO T cells can be further increased with the use of an EasySep™ Human TCRαβ depletion kit. Taken together, the processes outlined in this study can be easily and rapidly implemented to improve T cell manufacturing efficacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,310
Écart entre enseignants0,282 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Immunology→Même sujetCAR-T cell therapy research→Travaux en français237 207→