Using MRI to evaluate and predict therapeutic success from depot-based cancer vaccines
Notice bibliographique
Résumé
In the preclinical development of immunotherapy candidates, understanding the mechanism of action and determining biomarkers that accurately characterize the induced host immune responses is critical to improving their clinical interpretation. Magnetic resonance imaging (MRI) was used to evaluate in vivo changes in lymph node size in response to a peptide-based cancer vaccine therapy, formulated using DepoVax (DPX). DPX is a novel adjuvant lipid-in-oil-based formulation that facilitates enhanced immune responses by retaining antigens at the injection site for extended latencies, promoting increased potentiation of immune cells. C57BL/6 mice were implanted with C3 (HPV) tumor cells and received either DPX or control treatments, 5 days post-implantation. Complete tumor eradication occurred in DPX-vaccinated animals and large volumetric increases were observed in the vaccine-draining right inguinal lymph node (VRILN) in DPX mice, likely corresponding to increased localized immune response to the vaccine. Upon evaluating the relative measure of vaccine-potentiated immune activation to tumor-induced immune response (VRILN/VLILN), receiver-operating characteristic (ROC) curves revealed an area under the curve (AUC) of 0.90 (±0.07), indicating high specificity and sensitivity as a predictive biomarker of vaccine efficacy. We have determined that for this tumor model, early MRI lymph node volumetric changes are predictive of depot immunotherapeutic success.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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) | 0,000 | 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 ».