CRISPR Screens Identify Key Regulators of NK Cell Cytotoxicity in Cancer Therapy
Notice bibliographique
Résumé
Abstract Natural Killer (NK) cells are innate lymphocytes that exhibit cytotoxic activity against cancer cells and are associated with a good prognosis when present in solid tumors. In the past, NK cells have been used in adoptive cell transfer to treat various cancers with modest relative success. More recently, NK cells modified with chimeric antigen receptor (CAR-NK cells) are being explored as a potential off-the-shelf therapy. However, mechanisms preventing the full cytotoxic anti-tumor activity of NK cells remain understudied. To unveil the key genes that govern the activation and inhibition of the cytotoxic activity of NK cells towards cancer cells, we performed whole-genome CRISPR screens in NK cells. Primary activated NK cells from the NK-cell Activation and Expansion System (NKAES) were transduced with the Yusa CRISPR library and then electroporated with Cas9 protein, inducing the knockout (KO) of 18,010 genes. These NK cells were exposed to the colorectal cancer cell line HT-29 for 4 hours. After co-culture, NK cells were sorted based on the expression of the degranulation marker CD107a and the production of IFNg, both associated with NK cell activation. To identify genes involved in the inhibition of NK cell activity, we will compare sgRNA enriched in CD107a+ and IFNg+ cells to unactivated negative cells. In turn, these genes can be therapeutically targeted or genetically modified in future iPSC-derived NK and CAR-NK cells to improve the outcome of cancer patients.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».