MétaCan
Menu
← Retour à la cohorte
Enregistrement W4313430181 · doi:10.4049/jimmunol.208.supp.173.06

Quick and Easy Isolation of Immune Cells From Large-Volume Samples

2022· article· en· W4313430181 sur OpenAlexaff
Vesna Posarac, Garry MacDonald, Chris A. Buck, Eric Toombs, Savannah D. Gellner, Susan de Jong, Mark E. Williamson, Oliver Egeler, Bob Dalton, Andy I. Kokaji, Allen Eaves, Sharon A. Louis, Frann Antignano

Notice bibliographique

RevueThe Journal of Immunology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensTerry Fox Research InstituteStemcell Technologies
Organismes subventionnairesnon disponible
Mots-clésCellLysisChromatographyCell cultureIsolation (microbiology)CD8T cellChemistryAntigenBiologyImmune systemImmunologyBioinformaticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Large-scale cell isolation is commonly performed in labs and core facilities for cell banking and drug discovery, and as a critical step in cell therapy manufacturing. Current methods can be a significant bottleneck in a lab’s workflow, often requiring a full day for sample processing and cell isolation. To address this need, we have developed two methods: manual column-free isolation using the Easy 250 EasySep™ magnet, and automated cell isolation in a closed system using RoboSep™-C. The Easy 250 magnet allows users to isolate cells from a full leukopak of up to 20 billion cells in under 30 minutes by simply pipetting out their target cells. Negative selection protocols have been optimized to achieve 95.3% T cell, 97.2% CD4+ T cell, 91.9% CD8+ T cell, 99.4% B cell, 96.5% NK cell, and 91.5% monocyte purities. Positive selection protocols obtain 95.4% CD3+ cell, 94.4% CD4+ T cell, 93.9% CD8+ T cell, and 96.2% CD14+ cell purities. RoboSep™-C automates this cell isolation procedure, along with the cell washing steps for sample preparation, in as little as 50 minutes. The instrument features a scale tower, pump and clamp modules to direct fluid through defined paths, and a magnet for separation of labelled cells. The system uses a sterile single-use tubing set that incorporates a cartridge for cell washing and concentration, and a magnet chamber for cell separation. Starting with fresh leukopaks, we obtained 95.9% T cell, 95.8% CD4+ T cell, and 89.6% CD8+ T cell purities following negative selection, and 92.0% CD4+ T cell and 89.5% CD8+ T cell purities following positive selection. These approaches offer efficient and user-friendly cell isolation that allow researchers to scale up their operations, and can be easily integrated upstream of existing workflows.

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: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,021
Tête enseignante GPT0,282
Écart entre enseignants0,261 · 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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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