MétaCan
Menu
Retour à la cohorte
Enregistrement W4353086070 · doi:10.54097/hset.v36i.5706

Comprehensive Overview of CAR-T Cell Therapy, Engineering Process and Future Prospects

2023· article· en· W4353086070 sur OpenAlex
Qiyang Li, Katherine Wang, Jie Zhou

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueHighlights in Science Engineering and Technology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésChimeric antigen receptorImmune systemAntigenCancer researchCell therapyAntigen-presenting cellImmunologyImmunotherapyCytotoxic T cellT cellMedicineBiologyStem cellCell biology

Résumé

récupéré en direct d'OpenAlex

Chimeric antigen receptor (CAR)-T cell therapy is a revolutionary treatment method which applies the technology of modifying patients’ immune T cells to eliminate cancer cells. The immune system recognizes invading cells by noticing antigens on the foreign cells. The receptors of T cells bind to the antigens which notifies the rest of the immune system to eradicate the foreign invaders. CAR-T cell therapy has gained achievement in the treatment of hematologic malignancies such as B-ALL. CAR-T cell engineering process contains four steps including leukapheresis and the expression of the CAR on the T cells. Among the process, the Sleeping Beauty transposon system shortens the time between genetic modification and infusion so that patients can receive the modified T cells on site. GMP (Good Manufacture Practice) also ensures quality and safety of the CAR-T cells before infusing into the patients. CAR-T cells damage tumor cells by three major pathways. T cells utilize perforin and granzyme to lyse open antigen-positive tumor cells and use Fas and Fas ligand to target antigen-negative tumor cells. The derivation of cytokines from CAR-T cells sensitizes the tumor stroma and enhances tumor killing ability. The development in CAR-T cell designs has made a huge contribution to the success of the treatment where five generations of CAR-T cells have already been investigated. However, there are still some challenges associated with the treatment such as antigen escape relapse and on-target off-tumor toxicities observed in solid tumors. The technology can be further innovated by overcoming antigen escape loss, enhancing safety of CAR-T cells, and improving the persistence of CAR-T cells using the combination of oncolytic viruses with CAR-T cells. This review mainly focuses on the CAR-T cell engineering process and killing mechanisms as well as some obstacles and potential improvement for the technology.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,110
Score d'incertitude au seuil0,483

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,290
Écart entre enseignants0,270 · 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