Visualizing cell–cell communication using synthetic notch activated MRI
Notice bibliographique
Résumé
Cell-cell communication plays a fundamental role in multicellular organisms. Cell-based cancer immunotherapies rely on the ability of innate or engineered receptors on immune cells to engage specific antigens on cancer cells to induce tumor kill. To improve the development and translation of these therapies, imaging tools capable of noninvasively and spatiotemporally visualizing immune-cancer cell interactions would be highly valuable. Using the synthetic Notch (SynNotch) system, we engineered T cells that upon interaction with a chosen antigen (CD19) on neighboring cancer cells induce the expression of optical reporter genes and the human-derived, magnetic resonance imaging (MRI) reporter gene organic anion transporting polypeptide 1B3 (OATP1B3). Administration of engineered T cells induced the antigen-dependent expression of all our reporter genes in mice bearing CD19-positive tumors but not CD19-negative tumors. Notably, due to the high spatial resolution and tomographic nature of MRI, contrast-enhanced foci within CD19-positive tumors representing OATP1B3-expressing T cells were clearly visible and their distribution was readily mapped. We then extended this technology onto human natural killer-92 (NK-92) cells, observing similar CD19-dependent reporter activity in tumor-bearing mice. Furthermore, we show that when delivered intravenously, engineered NK-92 cells can be detected via bioluminescence imaging in a systemic cancer model. With continued work, this highly modular imaging strategy could aid in the monitoring of cell therapies in patients and, beyond this, augment our understanding of how different cell populations interact within the body during normal physiology or disease.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».