MétaCan
Menu
Retour à la cohorte
Enregistrement W4411401649 · doi:10.1016/j.omtm.2025.101517

Development of iPSC-derived T cells targeting EGFR neoantigens in non-small cell lung cancer

2025· article· en· W4411401649 sur OpenAlexfundno aff
Kouta Niizuma, Toshinobu Nishimura, Jonathan Villanueva, Laura Amaya, Jonas L. Fowler, Taichi Isobe, Yusuke Nakauchi, Brandon Saavedra, Haojun Xu, Mahito Nakanishi, Adam C. Wilkinson, Kyle M. Loh, Joseph B. Shrager, Hiromitsu Nakauchi

Notice bibliographique

RevueMolecular Therapy — Methods & Clinical Development · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensnon disponible
Organismes subventionnairesNational Defense Science and Engineering GraduateUniversity of California, Los AngelesNational Institutes of HealthWeston Havens FoundationUniversity of TorontoMedizinische Universität WienJohns Hopkins UniversityLung Cancer Research FoundationJapan Society for the Promotion of ScienceKyushu UniversityCalifornia Institute for Regenerative Medicine
Mots-clésLung cancerCancer researchMedicineCellOncologyBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

T cells. These iPSC-derived T cells specifically recognized the EGFR C797S mutation and effectively killed cancer cells expressing this mutation. Our findings underscore the potential of targeting driver mutation-derived neoantigens for immunotherapy and demonstrate that iPSC-derived T cells can mediate antitumor effects. Collectively, this approach combining neoantigen identification with T cell reprogramming may offer a promising strategy for targeting drug-resistant tumors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,808
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,460
Écart entre enseignants0,392 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Therapy — Methods & Clinical DevelopmentMême sujetCAR-T cell therapy researchTravaux en français237 207