Metabolic priming of GD2 TRAC-CAR T cells during manufacturing promotes memory phenotypes while enhancing persistence
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Manufacturing chimeric antigen receptor (CAR) T cell therapies is complex, with limited understanding of how medium composition impacts T cell phenotypes. CRISPR-Cas9 ribonucleoproteins can precisely insert a CAR sequence while disrupting the endogenous T cell receptor alpha constant ( TRAC ) gene resulting in TRAC -CAR T cells with an enriched stem cell memory T cell population, a process that could be further optimized through modifications to the medium composition. In this study we generated anti-GD2 TRAC -CAR T cells using "metabolic priming" (MP), where the cells were activated in glucose/glutamine-low medium and then expanded in glucose/glutamine-high medium. T cell products were evaluated using spectral flow cytometry, metabolic assays, cytokine production, cytotoxicity assays in vitro , and potency against human GD2+ xenograft neuroblastoma models in vivo . Compared with standard TRAC -CAR T cells, MP TRAC -CAR T cells showed less glycolysis, higher CCR7/CD62L expression, more bound NAD(P)H activity, and reduced IFN-γ, IL-2, IP-10, IL-1β, IL-17, and TGF-β production at the end of manufacturing ex vivo , with increased central memory CAR T cells and better persistence observed in vivo . MP with medium during CAR T cell biomanufacturing can minimize glycolysis and enrich memory phenotypes ex vivo , which could lead to better responses against solid tumors in vivo .
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.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
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 découle