Preclinical Efficacy of an Antibody–Drug Conjugate Targeting Mesothelin Correlates with Quantitative 89Zr-ImmunoPET
Notice bibliographique
Résumé
Abstract Antibody–drug conjugates (ADC) use monoclonal antibodies (mAb) as vehicles to deliver potent cytotoxic drugs selectively to tumor cells expressing the target. Molecular imaging with zirconium-89 (89Zr)-labeled mAbs recapitulates similar targeting biology and might help predict the efficacy of these ADCs. An anti-mesothelin antibody (AMA, MMOT0530A) was used to make comparisons between its efficacy as an ADC and its tumor uptake as measured by 89Zr immunoPET imaging. Mesothelin-targeted tumor growth inhibition by monomethyl auristatin E (MMAE), ADC AMA-MMAE (DMOT4039A), was measured in mice bearing xenografts of ovarian cancer OVCAR-3×2.1, pancreatic cancers Capan-2, HPAC, AsPC-1, and HPAF-II, or mesothelioma MSTO-211H. Ex vivo analysis of mesothelin expression was performed using immunohistochemistry. AMA-MMAE showed the greatest growth inhibition in OVCAR-3×2.1, Capan-2, and HPAC tumors, which showed target-specific tumor uptake of 89Zr-AMA. The less responsive xenografts (AsPC-1, HPAF-II, and MSTO-211H) did not show 89Zr-AMA uptake despite confirmed mesothelin expression. ImmunoPET can demonstrate the necessary delivery, binding, and internalization of an ADC antibody in vivo and this correlates with the efficacy of mesothelin-targeted ADC in tumors vulnerable to the cytotoxic drug delivered. Mol Cancer Ther; 16(1); 134–42. ©2016 AACR.
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 | 0,000 | 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) | 0,000 | 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 ».