Development and preclinical validation of a therapeutic γδ TCR-engineered cell product for pan-cancer targeting 3442
Notice bibliographique
Résumé
Abstract Description Adoptive cellular therapies have revolutionized cancer treatment, yet significant challenges remain, including antigen escape, toxicity and patient accessibility. γδ TCR-engineered cells offer the potential to overcome these barriers due to their ability to recognize upregulated stress ligands in an MHC-independent manner. Our lab has characterized T cells expressing a γδ TCR that was significantly expanded in a cancer patient who demonstrated a complete response to anti-PD-1 therapy. When cloned and expressed in Jurkats, this γδ TCR demonstrated wide reactivity to a variety of cancer cell lines including lung, melanoma, breast and myeloma, but not healthy cells. CRISPR editing of lines confirmed recognition of antigen independently of HLA and known γδ TCR ligands, thus positioning this TCR as a potentially novel, pan-cancer therapy. To advance this γδ TCR towards clinical application, we have optimized lentiviral transduction protocols to generate large quantities of γδ TCR-T cells capable of mediating potent and specific killing of target cells. Ongoing whole-genome screens aim to identify its ligand in an unbiased manner. Complementary efforts to expand its preclinical evaluation involve use of 3D organoid models, PDXs and NSG mice, to assess its safety and efficacy in physiologically relevant systems. This HLA-independent γδ TCR represents an innovative strategy for treating a more diverse patient population and overcoming current challenges of adoptive cell therapy. Funding Sources This work is supported by the Canadian Institutes of Health Research (CIHR) through the C-GSM program & UHN Innovation Accelerator (IA). Topic Categories Tumor Immunology: Checkpoints, Prevention, and Treatment (TIPT)
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 | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».