Therapeutic Exploration of γδT cells: the Quest to Utilize these Iconic Lymphocytes for Anti-cancer therapies
Notice bibliographique
Résumé
Despite significant efforts to improve treatments, many types of cancer remain incurable. For this reason, researchers are not only focused on improving existing therapies but are also exploring novel approaches. One promising new direction lies within our own bodies: the immune system, which protects us daily from a wide range of diseases. Increasingly, research is directed towards harnessing the immune system to fight cancer, particularly using T cells. A fraction of T cells can effectively recognize tumor cells and subsequently kill these tumor cells via their receptors. These receptors can be used to transform non-tumor recognizing T cells into tumor recognizing cells, for instance, using so-called bispecific molecules or by genetically modifying cells. In this thesis, we have investigated a specific type of T cell, the γδT cell, and its potential as an immunotherapy against cancer. We aimed to improve current γδT cell-based therapies and demonstrate the unique therapeutic potential of γδT cells in two types of solid tumors. First, we explored ways to enhance the efficacy of our γδT cell-based bispecific molecules, named GABs, and we observed that when we increase the binding of the GABs to the tumor, we found a more beneficial therapeutic success. The improved therapeutic success could also be reproduced in a different γδT cell-based therapy, genetically modified cells called TEGs. Furthermore, we examined the potential of distinct γδT cell subsets in glioblastoma and proposed strategies to overcome potential glioblastoma escape mechanisms. Lastly, we studied the role of γδT cells in colorectal cancer, which yielded novel insights for future treatment approaches. Altogether, our findings contribute to the broader understanding of γδT cells and their receptors and offer new opportunities for improving existing therapies and developing innovative immunotherapeutic strategies against cancer.
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 | 0,001 | 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 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 ».