Targeting CD73 Enhances the Antitumor Activity of Anti-PD-1 and Anti-CTLA-4 mAbs
Notice bibliographique
Résumé
PURPOSE: Monoclonal antibodies (mAb) that block programmed death (PD)-1 or cytotoxic T lymphocyte antigen (CTLA-4) receptors have been associated with durable clinical responses against a variety of cancer types and hold great potential as novel cancer therapeutics. Recent evidence suggest that targeted blockade of multiple immunosuppressive pathways can induce synergistic antitumor responses. EXPERIMENTAL DESIGN: In this study, we investigated whether targeted blockade of CD73, an ectonucleotidase that catabolizes the hydrolysis of extracellular adenosine monophosphate (AMP) to adenosine, can enhance the antitumor activity of anti-CTLA-4 and anti-PD-1 mAbs against transplanted and chemically induced mouse tumors. RESULTS: Anti-CD73 mAb significantly enhanced the activity of both anti-CTLA-4 and anti-PD-1 mAbs against MC38-OVA (colon) and RM-1 (prostate) subcutaneous tumors, and established metastatic 4T1.2 breast cancer. Anti-CD73 mAb also significantly enhanced the activity of anti-PD-1 mAb against 3-methylcholanthrene (MCA)-induced fibrosarcomas. Gene-targeted mice revealed that single-agent therapies and combinatorial treatments were dependent on host IFN-γ and CD8(+) T cells, but independent of perforin. Interestingly, anti-CD73 mAb preferentially synergized with anti-PD-1 mAb. We investigated the effect of extracellular adenosine on tumor-infiltrating T cells and showed that activation of A2A adenosine receptor enhances PD-1 expression, but not CTLA-4 expression, on tumor-specific CD8+ T cells and CD4+ Foxp3+ T regulatory cells. CONCLUSIONS: Taken together, our study revealed that targeted blockade of CD73 can enhance the therapeutic activity of anti-PD-1 and anti-CTLA-4 mAbs and may thus potentiate therapeutic strategies targeting immune checkpoint inhibitors in general.
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 | 0,000 |
| 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 ».