Enhancement of adeno‐associated virus serotype 6 transduction into T cells with cell‐penetrating peptides
Notice bibliographique
Résumé
BACKGROUND: Adeno-associated viruses (AAVs) are gaining interest in the development of cellular immunotherapy. Compared to other viral vectors, AAVs can reduce the risk of insertional oncogenesis. AAV serotype 6 (AAV6) shows the highest efficiency for transducing T cells. Nevertheless, a multiplicity of infection (MOI) of up to one million viral genomes per cell is required to transduce the target cells effectively. Cell-penetrating peptides (CPPs) are short, positively charged peptides that easily translocate the plasma membranes and can facilitate the cellular uptake of a wide variety of cargoes, including small molecules, nucleic acids, drugs, proteins and viral vectors. METHODS: The present study evaluated five CPPs (Antp, TAT-HA2, LAH4, TAT1 and TAT2) on their effects on enhancing transduction of AAV6 packaging a green fluorescent protein transgene into Jurkat T cell line. RESULTS: ), using LAH4 resulted in a 10-fold increase in transduction efficiency. The peptide LAH4 increased the uptake of AAV6 viral particles in both Jurkat cells and mouse primary T cells. Regardless of the large size of the AAV6-LAH4 complexes, their internalization does not appear to depend on macropinocytosis. CONCLUSIONS: Overall, the present study reports an approach to significantly improve the delivery of transgenes into T cells using AAV6 vectors. Notably, the peptides TAT-HA2 and LAH4 contribute to improving the use of AAV6 as a gene delivery vector for the engineering of T cells.
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 | 0,000 |
| 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 | 0,000 | 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 ».