Pharmacological control of CAR T cells through CRISPR-driven rapamycin resistance
Notice bibliographique
Résumé
ABSTRACT Chimeric antigen receptors (CARs) reprogram T cells to recognize and target cancer cells. Despite remarkable responses observed with CAR-T cell therapy in patients with hematological malignancies, CAR-T cell engineering still relies mostly on randomly integrating vectors, limiting the possibilities of fine-tuning T cell function. Here, we designed a CRISPR-based marker-free selection strategy to simultaneously target a therapeutic transgene and a gain-of-function mutation to the MTOR locus to enrich cells resistant to rapamycin, a clinically used immunosuppressant. We readily engineered rapamycin-resistant (RapaR) CAR-T cells by targeting CAR expression cassettes to the MTOR locus. Using in vitro cytotoxicity assays, and a humanized mouse model of acute lymphoblastic leukemia, we show that RapaR-CAR-T cells can efficiently target CD19 + leukemia cells in presence of immunosuppressing doses of rapamycin. Furthermore, our strategy allows multiplexed targeting of rapamycin-regulated immunoreceptors complexes (DARICs) to the MTOR and TRAC loci to pharmacologically control CAR-T cells’ activity. We foresee that our approach could both facilitate the enrichment of CRISPR-engineered CAR-T cells ex vivo and in vivo while improving tumor eradication.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».