Enhancing CAR-T cell functionality in a patient-specific manner
Notice bibliographique
Résumé
Patient responses to autologous CD19 chimeric antigen receptor (CAR) T-cell therapies are limited by insufficient and inconsistent cellular functionality. Here, we show that controlling the precise level of stimulation during T-cell activation to accommodate individual differences in the donor cells will dictate the functional attributes of CAR-T cell products. The functionality of CAR-T cell products, consisting of a diverse set of blood samples derived from healthy donors, acute lymphoblastic leukemia (ALL), and chronic lymphocytic lymphoma (CLL) patient samples, representing a range of patient health status, is tested upon culturing on artificial antigen-presenting cell scaffolds to deliver T-cell stimulatory ligands (anti-CD3/anti-CD28) at highly defined densities. A clear relationship is observed between the dose of stimulation, the phenotype of the T-cell blood sample prior to T-cell activation, and the functionality of the resulting CAR-T cell products. We present a model, based on this dataset, that predicts the precise stimulation needed to manufacture a desired CAR-T cell product, given the input T-cell attributes in the initial blood sample. These findings demonstrate a simple approach to enhance CAR-T functionality by personalizing the level of stimulation during T-cell activation to enable flexible manufacturing of more consistent and potent CAR-T cells.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,002 |
| 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 ».