A Flow Cytometry–Based Method for Assessing CAR Cell Binding Kinetics Using Stable CAR Jurkat Cells
Notice bibliographique
Résumé
Chimeric antigen receptors (CARs) are synthetic fusion proteins that can reprogram immune cells to target specific antigens. CAR-expressing T cells have emerged as an effective treatment method for hematological cancers; despite this success, the mechanisms and structural properties that govern CAR responses are not fully understood. Here, we provide a simple assay to assess cellular avidity using a standard flow cytometer. This assay measures the interaction kinetics of CAR-expressing T cells and targets antigen-expressing target cells. By co-culturing stably transfected CAR Jurkat cells with target positive and negative cells for short periods of time in a varying effector-target gradient, we were able to observe the formation of CAR-target cell doublets, providing a readout of actively bound cells. When using the optimized protocol reported here, we observed unique cellular binding curves that varied between CAR constructs with differing antigen binding domains. The cellular binding kinetics of unique CARs remained consistent, were dependent on specific target antigen expression, and required active biological signaling. While existing literature is not clear at this time whether higher or lower CAR cell binding is beneficial to CAR therapeutic activity, the application of this simplified protocol for assessing CAR binding could lead to a better understanding of the proximal signaling events that regulate CAR functionality. Key features • Determines CAR receptor cellular interaction kinetics using a Jurkat cell model. • Can be used for a wide variety of CAR target antigens, including both hematological and solid tumor targets. • Experiments can be performed in under two hours with no staining using a standard flow cytometer. • Requires stable CAR Jurkat cells and target cells with stable fluorescent marker expression for optimal results.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 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 ».