A Rapid and Efficient <i>In Vivo</i> Method for Determining the Biologic Efficacy of Monoclonal Antibodies in Animal Models of Cancer
Notice bibliographique
Résumé
The selection of efficacious anti-tumor monoclonal antibodies (MAbs) for biological applications is a lengthy and labor-intensive process. In vitro characterization of one hybridoma fusion may reveal large numbers of tumor antigen-specific hybridomas. Very often, many of these tumor-specific antibodies need to be assessed in vivo using several different murine xenograft tumor prevention models to determine biological efficacy. The production and purification of sufficient quantities of many antigen-specific hybridomas is time-consuming, and several months can pass between initial determination of MAb specificity and bioactivity. Moreover, many tumor-specific MAbs selected using in vitro binding studies have no in vivo anti-tumor efficacy. These studies describe an in vivo screening method either to eliminate non-efficacious MAbs or to rank-order several tumor-specific MAbs in an expeditious manner. Proof-of-concept studies were conducted using two hybridomas secreting fully characterized neutralizing human anti-tumor MAbs (CNTO MAbs). Nu-/nu- mice were injected with CNTO MAb-secreting hybridoma cells in Matrigel cell matrix, followed by injection of target human tumor cells 4 days later (when circulating CNTO MAbs were detected in serum). Both the tumor take-rate and the mean tumor volumes were reduced significantly in mice treated with CNTO MAbsecreting hybridomas compared with mice treated with non-antibody-secreting cells. A panel of human antitumor antigen-specific MAbs with unknown biological efficacy was then evaluated by this method. The hybridomas exhibited a varied pattern of anti-tumor protection, indicating that some hybrids were secreting neutralizing anti-tumor MAbs, while others appeared to be less efficacious. These studies demonstrate a rapid, biologically relevant "yes/no" in vivo screening method for the evaluation of anti-tumor antigen MAbs.
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».