Pretargeted Radioimmunotherapy Using Anti-CD45 Monoclonal Antibodies to Deliver Radiation to Murine Hematolymphoid Tissues and Human Myeloid Leukemia
Notice bibliographique
Résumé
Radioimmunotherapy (RIT) for treatment of hematologic malignancies frequently fails because of disease recurrence. We therefore conducted pretargeted (P)RIT studies to augment the efficacy in mice of therapy using a pretargeted anti-human (h)CD45 antibody (Ab)-streptavidin (SA) conjugate followed by a biotinylated clearing agent and radiolabeled 1,4,7,10-tetraazacylodode cane N,N',N",N'''-tetraacetic (DOTA)-biotin. Tumor-to-blood ratios at 24 hours were 20:1 using pretargeted anti-hCD45 RIT and <1:1 with conventional RIT. In vivo imaging studies confirmed that the PRIT approach provided high-contrast tumor images with minimal blood-pool activity, whereas directly labeled anti-hCD45 Ab produced distinct tumor images but the blood pool retained a large amount of labeled Ab for a prolonged time. Therapy experiments showed that (90)Y-DOTA-biotin significantly prolonged survival of mice treated with pretargeted anti-hCD45 Ab-SA compared with mice treated with conventional RIT using (90)Y-labeled anti-hCD45 Ab at 200 muCi. Because human CD45 antigens are confined to xenograft tumor cells in this model, and all murine tissues are devoid of hCD45 and will not bind anti-hCD45 Ab, we also compared one-step and PRIT using an anti-murine (m)CD45 Ab where the target antigen is present on normal hematopoietic tissues. After 24 h, 27.3% +/- 2.8% of the injected dose of activity was delivered per gram (% ID/g) of lymph node using (131)I-A20-Ab compared with 40.0 +/- 5.4% ID/g for pretargeted (111)In-DOTA-biotin. These data suggest that pretargeted methods for delivering RIT may be superior to conventional RIT when targeting CD45 for the treatment of leukemia and may allow for the intensification of therapy, while minimizing toxicities.
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 ».