Intraperitoneal Pretarget Radioimmunotherapy with CC49 Fusion Protein
Notice bibliographique
Résumé
PURPOSE: This study examined a pretarget radioimmunotherapy strategy for treatment of an i.p. tumor model (LS174T). EXPERIMENTAL DESIGN: The strategy used regional administration (i.p.) of a novel targeting molecule composed of four CC49 anti-tumor-associated glycoprotein 72 (TAG-72) single-chain antibodies linked to streptavidin as a fusion protein (CC49 fusion protein); 24 hours later, a synthetic clearing agent was administered i.v. to produce hepatic clearance of unbound CC49 fusion protein/synthetic clearing agent complexes. Four hours later, a low molecular weight radiolabeled reagent composed of biotin conjugated to the chelating agent 7,10-tetra-azacyclododecane-N,N',N'',N'''-tetraacetic acid (DOTA) complexed with (111)In-, (90)Y-, or (177)Lu-DOTA-biotin was injected. RESULTS: Radiolocalization to tumor sites was superior with i.p. administration of radiolabeled DOTA-biotin as compared with i.v. administration. Imaging and biodistribution studies showed excellent tumor localization of radioactivity with (111)In- or (177)Lu-DOTA-biotin. Tumor localization of (111)In-DOTA-biotin was 43% ID/g and 44% ID/g at 4 and 24 hours with the highest normal tissue localization in the kidney with 6% ID/g at 48 and 72 hours. Therapy studies with (90)Y-DOTA-biotin at doses of 400 to 600 microCi or (177)Lu-DOTA-biotin at doses of 600 to 800 microCi produced significant prolongation of survival compared with controls (P = 0.03 and P < 0.01). CONCLUSIONS: Pretarget radioimmunotherapy using regional administration of CC49 fusion protein and i.p. (90)Y- or (177)Lu-DOTA-biotin represents a successful therapeutic strategy in the LS174T i.p. tumor model and this strategy may be applicable to human trials in patients with i.p. ovarian 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 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 | 0,001 |
| 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) | 0,002 | 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 tête enseignante, 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 ».