Discovery and preclinical development of a therapeutically active nanobody-based chimeric antigen receptor targeting human CD22
Notice bibliographique
Résumé
Chimeric antigen receptor (CAR-) T cell therapies targeting B-cell restricted antigens CD19, CD20, or CD22 can produce potent clinical responses for some B-cell malignancies, but relapse remains common. Camelid single domain antibodies (sdAbs or nanobodies) are smaller, simpler, and easier to recombine than single-chain variable fragments (scFvs) used in most CARs, but fewer sdAb-CARs have been reported. Thus, we sought to identify a therapeutically active sdAb-CAR targeting human CD22. Immunization of an adult Llama glama with CD22 protein, sdAb-cDNA library construction, and phage panning yielded >20 sdAbs with diverse epitope and binding properties. Expressing CD22-sdAb-CAR in Jurkat cells drove varying CD22-specific reactivity not correlated with antibody affinity. Changing CD28 to CD8-transmembrane design increased CAR persistence and expression in vitro. CD22-sdAb-CAR candidates showed similar CD22-dependent CAR-T expansion in vitro, though only membrane-proximal epitope targeting CD22-sdAb-CARs activated direct cytolytic killing and extended survival in a lymphoma xenograft model. Based on enhanced survival in blinded xenograft studies a lead CD22sdCAR-T was selected; achieving comparable complete responses to a benchmark short-linker m971-scFv CAR-T in high-dose experiments. Finally, immunohistochemistry and flow cytometry confirm tissue and cellular level specificity of the lead CD22-sdAb. This presents a complete report on pre-clinical development of a novel CD22sdCAR therapeutic.
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 | 0,000 | 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 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 ».