MétaCan
Menu
Retour à la cohorte
Enregistrement W4386027157 · doi:10.3390/cells12162115

Development of Beta-Amyloid-Specific CAR-Tregs for the Treatment of Alzheimer’s Disease

2023· article· en· W4386027157 sur OpenAlexafffund
Valerie Saetzler, Tobias Riët, Andrea Schienke, Pierre Henschel, Kiara Freitag, Alexander Haake, Frank L. Heppner, Laura Elisa Buitrago‐Molina, Fatih Noyan, Elmar Jaeckel, Matthias Hardtke‐Wolenski

Notice bibliographique

RevueCells · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesTechnische Universität BraunschweigDeutsche ForschungsgemeinschaftEuropean CommissionGovernment of Canada
Mots-clésAlzheimer's diseaseBETA (programming language)Amyloid (mycology)DiseaseMedicineAmyloid betaNeuroscienceImmunologyBiologyPathologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Alzheimer's disease (AD) is a neurodegenerative disease that remains uncured. Its pathogenesis is characterized by the formation of β-amyloid (Aβ) plaques. The use of antigen-specific regulatory T cells (Tregs) through adoptive transfer has shown promise for the treatment of many inflammatory diseases, although the effectiveness of polyspecific Tregs is limited. Obtaining a sufficient number of antigen-specific Tregs from patients remains challenging. AIMS AND METHODS: To address this problem, we used an antibody-like single-chain variable fragment from a phage library and subsequently generated a chimeric antigen receptor (CAR) targeting β-amyloid. RESULTS: The β-amyloid-specific CARs obtained were stimulated by both recombinant and membrane-bound Aβ isolated from the murine brain. The generated CAR-Tregs showed a normal Treg phenotype, were antigen-specific activatable, and had suppressive capacity. CONCLUSION: This study highlights the potential of CAR technology to generate antigen-specific Tregs and presents novel approaches for developing functional CARs.

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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,635
Score d'incertitude au seuil0,405

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,103
Tête enseignante GPT0,344
Écart entre enseignants0,241 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetAlzheimer's disease research and treatmentsTravaux en français237 207