Fusogenic vesicular stomatitis virus combined with natural killer T cell immunotherapy controls metastatic breast cancer
Notice bibliographique
Résumé
Abstract Background Metastatic breast cancer is a leading cause of cancer death in woman. Current treatment options are often associated with adverse side effects and poor outcomes, demonstrating the need for effective new treatments. Immunotherapies can provide durable outcomes in many cancers; however, limited success has been achieved in metastatic triple negative breast cancer. We tested whether combining different immunotherapies can target metastatic triple negative breast cancer in pre-clinical models. Methods Using primary and metastatic 4T1 triple negative mammary carcinoma models, we examined the therapeutic effects of oncolytic vesicular stomatitis virus (VSVΔM51) engineered to express reovirus-derived fusion associated small transmembrane proteins p14 (VSV-p14) or p15 (VSV-p15). These viruses were delivered alone or in combination with natural killer T (NKT) cell activation therapy mediated by adoptive transfer of α-galactosylceramide-loaded dendritic cells. Results Treatment of primary 4T1 tumors with VSV-p14 or VSV-p15 alone increased immunogenic tumor cell death, attenuated tumor growth, and enhanced immune cell infiltration and activation compared to control oncolytic virus (VSV-GFP) treatments and untreated mice. When combined with NKT cell activation therapy, oncolytic VSV-p14 and VSV-p15 reduced metastatic lung burden to undetectable levels in all mice and generated immune memory as evidenced by enhanced in vitro recall responses (tumor killing and cytokine production) and impaired tumor growth upon rechallenge. Conclusion Combining NKT cell immunotherapy with enhanced oncolytic virotherapy increased anti-tumor immune targeting of lung metastasis and presents a promising treatment strategy for metastatic breast 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 | 0,000 | 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 ».