Monoclonal and bispecific antibodies as novel therapeutics
Notice bibliographique
Résumé
Gene amplification, over-expression, and mutation of growth factors, or the receptors themselves, causes increased signaling through receptor kinases, which has been implicated in many human cancers and is associated with poor prognosis. Tumor growth has been shown to be decreased by interrupting this process of extensive growth factor-mediated signaling by directly targeting either the surface receptor or the ligand and thereby preventing cell survival and promoting apoptosis. Monoclonal antibodies have long been eyed as a potential new class of therapeutics targeting cancer and other diseases. Antibody-based therapy initially entered clinical practice when trastuzumab/Herceptin became the first clinically approved drug against an oncogene product as a well-established blocking reagent for tumors with hyperactivity of epidermal growth factor signaling pathways. In the first part of this review we explain basic terms related to the development of antibody-based drugs, give a brief historic perspective of the field, and also touch on topics such as the "humanization of antibodie" or creation of hybrid antibodies. The second part of the review gives an overview of the clinical usage of bispecific antibodies and antibodies "armed" with cytotoxic agents or enzymes. Further within this section, cancer-specific, site-specific, or signaling pathway-specific therapies are discussed in detail. Among other antibody-based therapeutic products, we discuss: Avastin (bevacizumab), CG76030, Theragyn (pemtumomab), daclizumab (Zenapax), TriAb, MDX-210, Herceptin (trastuzumab), panitumumab (ABX-EGF), mastuzimab (EMD-72000), Erbitux (certuximab, IMC225), Panorex (edrecolomab), STI571, CeaVac, Campath (alemtuizumab), Mylotarg (gemtuzumab, ozogamicin), and many others. The end of the review deliberates upon potential problems associated with cancer immunotherapy.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».