MétaCan
Menu
Retour à la cohorte
Enregistrement W2621545768 · doi:10.1002/hon.2439_20

Analysis of preclinical and clinical samples after treatment with a <scp>CD37</scp> targeting antibody drug conjugate (<scp>AGS67E</scp>) support a high level of <scp>CD37</scp> expression in <scp>NHL</scp>

2017· article· en· W2621545768 sur OpenAlexaff
Fernando Doñate, Yang Pu, Kendall Morrison, Sher Karki, Héctor Aviña, Jacqueline Lackey, Ahmed Sawas, Kerry J. Savage, Raymond P. Perez, Ranjana H. Advani, Jasmine Zain, Owen A. O’Connor, Leonard Reyno

Notice bibliographique

RevueHematological Oncology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensBC Cancer FoundationBC Cancer Agency
Organismes subventionnairesnon disponible
Mots-clésAntibodyFlow cytometryAntibody-drug conjugateMedicineCancer researchMonoclonal antibodyMolecular biologyImmunologyBiology

Résumé

récupéré en direct d'OpenAlex

Introduction: AGS67E is an antibody drug conjugate against CD37 bound to monomethyl auristatin E (MMAE) via a protease-cleavable linker currently being investigated in subjects with relapsed/refractory NHL in a phase I dose-escalation study. CD37 is expressed in normal white blood cells (WBCs: B and T lymphocytes, NK cells, monocytes, and neutrophils). CD37 is also highly expressed in CLL, AML, and NHL, including 80% expression in DLBCL, as detected in tumor microarrays (TMA) of formalin-fixed paraffin-embedded (FFPE) tumor samples using the proprietary vCD37-9a73.1 antibody (Pereira et al., 2015). In contrast, the percentage of CD37 expression in DLBCL was recently determined to be 40% using a commercial antibody (2B8) on FFPE samples (Xu-Monette et al., 2016). Clinical and preclinical results, including a comparison of vCD37-9a73.1 with commercially available anti-CD37 reagents, are presented here in order to clarify the CD37 expression in DLBCL and in NHL in general. Methods: CD37 expression was investigated on WBCs by flow cytometry and on archived FFPE tumor samples by immunohistochemistry (IHC) from subjects in the phase I trial using the proprietary anti-CD37 antibody (vCD37-9a73.1). This antibody was selected for flow cytometry since it could detect CD37 on the surface of cells in the presence of AGS67E and showed similar CD37 levels to other anti-CD37 proprietary antibodies tested. The vCD37-9a73.1 and 2B8 antibodies were evaluated by IHC in FFPE cells and xenografts with different levels of CD37 mRNA levels, as well as in TMA of NHL. Results: CD37 expression in patient's WBCs was downregulated after AGS67E dosing, presumably due to AGS67E-mediated, dose-dependent decreases in WBCs. Furthermore, samples were CD37 positive as detected by both AGS67E and vCD37-9a73.1. These data support vCD37-9a73.1 as a suitable reagent for CD37 detection. IHC data from FFPE tumor samples from subjects enrolled in the ongoing phase I clinical trial with a variety of NHL pathologies demonstrated that CD37 was expressed in 100% of the samples examined (23 subjects) with an average H-score of 270 (maximum is 300), including 7 subjects with DLBCL (average H-score 277). Overall, the level and degree of expression were slightly higher than previously seen in TMA samples of NHL (~80%) with the same antibody and significantly higher than those reported with the 2B8 antibody. Evaluation of CD37 expression using vCD37-9a73.1 side-by-side with 2B8 in FFPE cells, xenografts, and TMA of NHL indicated that vCD37-9a73.1 has better sensitivity and specificity compared to 2B8 under the conditions tested. Keywords: CD37; diffuse large B-cell lymphoma (DLBCL); non-Hodgkin lymphoma (NHL)

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0070,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,003
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,125
Tête enseignante GPT0,430
Écart entre enseignants0,305 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHematological OncologyMême sujetCAR-T cell therapy researchTravaux en français237 207