AUTOLOGOUS PATIENT-DERIVED CAR-TS SHOW FUNCTIONAL DEFICITS AGAINST HUMAN GLIOBLASTOMA
Notice bibliographique
Résumé
Abstract Glioblastoma (GBM) is the most common malignant brain tumor in adults, with a poor prognosis despite aggressive standard of care. Chimeric antigen receptor T-cell (CAR-T) therapy has shown promising results in liquid malignancies, but clinical trials in GBM targeting various tumor antigens have not shown durable clinical benefit. While this may be attributable to various tumor-intrinsic immune evasion strategies characteristic of GBM, little work has assessed whether the issue is due to the quality of the CAR-T treatment itself. Currently, CAR-Ts for GBMs and liquid malignancies are manufactured in an autologous setting in which T-cells are extracted from patients, engineered ex-vivo, and subsequently reinfused back. However, peripheral T-cells taken from untreated GBM patients have demonstrated qualitative and functional deficits, which may contribute to suboptimal treatment outcomes. Thus, we aimed to establish whether CAR-Ts generated from GBM patients would show reduced efficacy in comparison to healthy donors using our previously validated CD133 CAR-T. In this work, we show pre-treatment exhaustion and reduced survival advantage in autologous, patient-derived CD133-targeting CAR-T cell products using an orthotopic xenograft model of human GBM. To overcome the functional and logistical considerations of autologous therapy, we additionally aimed to generate an “off-the-shelf” allogeneic CD133 CAR-T. Using CRISPR gene editing technology, we generated TCR-knockout CAR-T cells with comparable pre- clinical efficacy to our autologous models. Ultimately, this work highlights the need to reassess autologous CAR-T therapy for GBM, and consider allogeneic approaches as biologically-informed therapeutic alternatives.
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) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».