Antibody Therapies for Acute Myeloid Leukemia: Unconjugated, Toxin-Conjugated, Radio-Conjugated and Multivalent Formats
Notice bibliographique
Résumé
In recent decades, therapy for acute myeloid leukemia (AML) has remained relatively unchanged, with chemotherapy regimens primarily consisting of an induction regimen based on a daunorubicin and cytarabine backbone, followed by consolidation chemotherapy. Patients who are relapsed or refractory can be treated with allogeneic hematopoietic stem-cell transplantation with modest benefits to event-free and overall survival. Other modalities of immunotherapy include antibody therapies, which hold considerable promise and can be categorized into unconjugated classical antibodies, multivalent recombinant antibodies (bi-, tri- and quad-specific), toxin-conjugated antibodies and radio-conjugated antibodies. While unconjugated antibodies can facilitate Natural Killer (NK) cell antibody-dependent cell-mediated cytotoxicity (ADCC), bi- and tri-specific antibodies can engage either NK cells or T-cells to redirect cytotoxicity against AML targets in a highly efficient manner, similarly to classic ADCC. Finally, toxin-conjugated and radio-conjugated antibodies can increase the potency of antibody therapies. Several AML tumour-associated antigens are at the forefront of targeted therapy development, which include CD33, CD123, CD13, CLL-1 and CD38 and which may be present on both AML blasts and leukemic stem cells. This review focused on antibody therapies for AML, including pre-clinical studies of these agents and those that are either entering or have been tested in early phase clinical trials. Antibodies for checkpoint inhibition and microenvironment targeting in AML were excluded from this review.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,014 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,005 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».