Insulin B peptide-MHC class II-specific chimeric antigen receptor-Tregs prevent autoimmune diabetes in mice
Notice bibliographique
Résumé
Adoptive immunotherapy with Tregs is a promising approach for preventing or treating type 1 diabetes. Islet antigen-specific Tregs have more potent therapeutic effects than polyclonal cells, but their low frequency is a barrier for clinical application. To generate Tregs that recognize islet antigens, we engineered a chimeric antigen receptor (CAR) derived from a monoclonal antibody with specificity for the insulin B chain 10-23 peptide presented in the context of the IAg7 MHC class II allele present in NOD mice. Peptide specificity of the resulting InsB-g7 CAR was confirmed by tetramer staining and T cell proliferation in response to recombinant or islet-derived peptide. The InsB-g7 CAR redirected NOD Treg specificity such that insulin B 10-23-peptide stimulation enhanced suppressive function, measured via reduction of proliferation and IL-2 production by BDC2.5 T cells and CD80 and CD86 expression on dendritic cells. Cotransfer of InsB-g7 CAR Tregs prevented adoptive transfer diabetes by BDC2.5 T cells in immunodeficient NOD mice. In WT NOD mice, InsB-g7 CAR Tregs prevented spontaneous diabetes. These results show that engineering Treg specificity for islet antigens using a T cell receptor-like CAR is a promising therapeutic approach for the prevention of autoimmune diabetes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».