MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413734272 · doi:10.33540/3174

Unmet needs in T cell-based cancer therapies: opportunities for translational innovation

2025· dissertation· en· W4413734272 sur OpenAlexaff
Lucrezia C D E Gatti

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesnon disponible
Mots-clésTranslational scienceTranslational researchMedicineOncologyCancer researchPathology

Résumé

récupéré en direct d'OpenAlex

Immunotherapies have greatly improved treatment options for patient suffering from a range of malignancies. After these novel, anti-cancer therapeutics like CART cells showed overwhelming clinical success in targeting hematological malignancies, the first promising signals are also seen for utilizing engineered immune cells for targeting solid tumors. However, despite numerous attempts, clinical efficacy in targeting solid tumors remains lacking. This is due to several reasons including a lack of targetable, tumor-specific antigens, immune-escape mechanisms in the more complex tumor microenvironment, tumor recurrence and metastases. In order to overcome these roadblocks, new approaches for targeting solid malignancies and improving existing immunotherapies are needed. Within this thesis, we describe and investigate multiple new strategies for utilizing γδT cells and their TCRs to improve the efficacy of T cell based immunotherapies in the field of oncology. First, we identify important TCR features dictating the behavior of tumor-reactive, Vγ9Vδ2T cells (Chapter 3). Next, we describe novel approaches for the recognition and targeting of either glioblastoma (Chapter 4) and colorectal cancer (Chapter 5) that provide potential for the development of future immunotherapies. Additionally, we identify a potential novel way to improve T-cells fitness upon in vitro expansion by investiganting on a alternative activation pathway (Chapter 6). Finally, we describe an approach to boost T cell infiltration in the tumor micro-environment in order to improve therapeutic efficacy of T cell based treatments for both hematological and solid tumors (Chapter 7). In Chapter 8 we conclude with a general discussion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,018
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,093

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0180,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,007
Communication savante0,0080,014
Science ouverte0,0020,005
Intégrité de la recherche0,0120,011
Charge utile insuffisante (le modèle a refusé de juger)0,0220,006

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 Opus0,114
Tête enseignante GPT0,389
Écart entre enseignants0,275 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreSynthèse

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

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCAR-T cell therapy research→Travaux en français237 207→