Targeting IL-5Rα with antibody-conjugates reveals a strategy for imaging and therapy for invasive bladder cancer
Notice bibliographique
Résumé
Despite the high interest and concern due to an increasing incidence and death rate, patients who develop muscle invasive bladder cancer (MIBC) have few options available. However, the past decade has produced many candidate bladder tumor-specific markers but further development of these markers is still needed for creating effective targeted medications to solve this urgent need. Interleukin-5 receptor α-subunit (IL-5Rα) has recently been reported to be involved in MIBC progression. Thus, we aimed to validate IL-5Rα as a target for antibody-conjugates to better manage patients with MIBC. Patients were recruited and their tumors were processed for IL-5Rα immunohistochemical analysis. NOD/SCID mice were also heterotopically implanted with the human MIBC HT-1376 and HT-B9 cell lines and established xenografts immunohistochemically evaluated for IL-5Rα and compared against patient tumors. Using the mAb A14, an antibody-drug conjugate (ADC) and a radiolabeled immunoconjugate (RIC) were developed by conjugating to vinblastine and to the positron emitter copper-64 (64Cu), respectively. As a proof-of-concept for ADC and RIC efficacy, in vitro cytotoxicity and in vivo positron emission tomography (PET) imaging in tumor-bearing mice were performed, respectively. In addition, as rapid internalization and accumulation are important components for effective antibody-conjugates, we evaluated these aspects in response to IL-5 and 64Cu-A14 treatments. Our findings suggest that although IL-5Rα protein expression is preferentially increased in MIBC, it is rapid IL-5Rα-mediated internalization allowing vinblastine-A14 to have cytotoxic activity and 64Cu-A14 to detect MIBC tumors in vivo. This is the first report to elucidate the potential of IL-5Rα as an attractive MIBC target for antibody-conjugate applications.
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 ».