Tonic-signaling chimeric antigen receptors drive human regulatory T cell exhaustion
Notice bibliographique
Résumé
Regulatory T cell (Treg) therapy is a promising approach to improve outcomes in transplantation and autoimmunity. In conventional T cell therapy, chronic stimulation can result in poor in vivo function, a phenomenon termed exhaustion. Whether or not Tregs are also susceptible to exhaustion, and if so, if this would limit their therapeutic effect, was unknown. To “benchmark” exhaustion in human Tregs, we used a method known to induce exhaustion in conventional T cells: expression of a tonic-signaling chimeric antigen receptor (TS-CAR). We found that TS-CAR-expressing Tregs rapidly acquired a phenotype that resembled exhaustion and had major changes in their transcriptome, metabolism, and epigenome. Similar to conventional T cells, TS-CAR Tregs upregulated expression of inhibitory receptors and transcription factors such as PD-1, TIM3, TOX and BLIMP1, and displayed a global increase in chromatin accessibility-enriched AP-1 family transcription factor binding sites. However, they also displayed Treg-specific changes such as high expression of 4-1BB, LAP, and GARP. DNA methylation analysis and comparison to a CD8 + T cell-based multipotency index showed that Tregs naturally exist in a relatively differentiated state, with further TS-CAR-induced changes. Functionally, TS-CAR Tregs remained stable and suppressive in vitro but were nonfunctional in vivo, as tested in a model of xenogeneic graft-versus-host disease. These data are the first comprehensive investigation of exhaustion in Tregs and reveal key similarities and differences with exhausted conventional T cells. The finding that human Tregs are susceptible to chronic stimulation–driven dysfunction has important implications for the design of CAR Treg adoptive immunotherapy 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 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 | 0,000 | 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 ».