MARC, a novel modular chimeric antigen receptor, improves T cell-based cancer immunotherapies by preventing early T cell exhaustion and enhancing persistence
Notice bibliographique
Résumé
BACKGROUND: Chimeric antigen receptor T cell (CAR-T)-based immunotherapies have reshaped the therapeutic landscape of cancer treatment, in particular for patients afflicted with leukemia. However, defects in CAR behaviors and clinical complications have hindered their widespread application across diverse cancer types. Chief among these defects is high tonic signaling, absent in native activating immune receptors, which accelerates T cell exhaustion and undermines treatment efficacy. We hypothesized that these limitations arise because current CAR architectures fail to replicate the modular design of native activating immune receptors, which integrate distinct receptor and signaling modules. This modular assembly is crucial for maintaining proper receptor regulation and function. METHODS: Therefore, we set forth to develop a modular chimeric antigen receptor leveraging the same assembly principles found in native activating immune receptors to reestablish the intrinsic safeguards in receptor expression and signaling. RESULTS: The resulting Modular Actuation Receptor Complex (MARC) displayed surface expression levels akin to its native immune receptor counterpart, the NK cell receptor KIR2DS3, while eliminating tonic signaling. In a clinically relevant mouse leukemia model, MARC-T cells exhibited remarkable long-term persistence and a less exhausted phenotype compared with conventional CAR-T cells. CONCLUSIONS: With its modular architecture, the MARC offers unparalleled opportunities for optimization and broad applicability across different cell types, paving the way for transformative advancements in cell-based therapies. This innovation holds immense promise as a next-generation therapeutic tool in clinical settings.
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 | 0,000 |
| 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 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 ».