MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313369207 · doi:10.4049/jimmunol.204.supp.242.2

Isolation of Tumor-Infiltrating Leukocytes from Mouse Tumors

2020· article· en· W4313369207 sur OpenAlexaff
Grace F. T. Poon, Frann Antignano, Lyz Boyd, Siobhan Ennis, Joe Deng, Andy I. Kokaji, Steven M. Woodside, Allen Eaves, Sharon A. Louis

Notice bibliographique

RevueThe Journal of Immunology · 2020
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensTerry Fox Research InstituteBC Cancer AgencyStemcell Technologies
Organismes subventionnairesnon disponible
Mots-clésTumor-infiltrating lymphocytesMelanomaCancerImmunotherapyAntibodyImmune systemCancer researchCancer immunotherapyCell cultureImmunologyMedicineBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Cell-based immunotherapy is being evaluated in various types of cancer and it is one of the most rapidly growing and promising areas of cancer research. Tumor-infiltrating leukocytes (TILs) consist of highly diverse leukocyte subsets with major roles in cancer immune surveillance. Due to their relatively low frequency, tumor heterogeneity, and the abundance of tissue debris in tumor samples, it is difficult to isolate or analyze TILs with sensitivity and precision. To address this challenge, we have developed a simple method for isolating CD45+ TILs from mouse tumors. Performance was evaluated in three commonly used mouse models, namely the B16 melanoma, CT26 colon carcinoma, and 4T1 mammary tumor models. Solid tumors were induced by subcutaneous implantation of B16, CT26.WT, and 4T1 cancer cell lines into syngeneic recipients. Starting with a single-cell suspension, TILs from tumor samples were labeled with an antibody complex that links CD45+ cells to magnetic particles, then separated using an EasySep™ magnet. Using this method, TILs were enriched from 17.5 +/− 5.8% to 90.1 +/− 6.0% (n = 13) from B16 tumors, 27.9 +/− 9.4% to 74.2 +/− 12.3 % (n = 9) from CT26 tumors, and 39.5 +/− 8.0% to 87.5 +/− 3.7% (n = 6) from 4T1 tumors. The protocol can be easily modified to achieve higher purity or recovery as required by adjusting the addition volume of the antibody complex or particles. Importantly, major immune subsets including T cells, B cells, and myeloid cells are recovered after isolation. The EasySep™ Mouse CD45 TIL Isolation Kit allows researchers to isolate leukocytes from tumors with ease, improving the TIL downstream workflow. Furthering our understanding of TILs will be essential for developing effective immunotherapeutic strategies.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,016
Tête enseignante GPT0,229
Écart entre enseignants0,213 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Immunology→Même sujetImmunotherapy and Immune Responses→Travaux en français237 207→