Molecular Imaging of Prostate Cancer Targeting CD46 Using ImmunoPET
Notice bibliographique
Résumé
Abstract Purpose: We recently identified CD46 as a novel therapeutic target in prostate cancer. In this study, we developed a CD46-targeted PET radiopharmaceutical, [89Zr]DFO-YS5, and evaluated its performance for immunoPET imaging in murine prostate cancer models. Experimental Design: [89Zr]DFO-YS5 was prepared and its in vitro binding affinity for CD46 was measured. ImmunoPET imaging was conducted in male athymic nu/nu mice bearing DU145 [AR−, CD46+, prostate-specific membrane antigen–negative (PSMA−)] or 22Rv1 (AR+, CD46+, PSMA+) tumors, and in NOD/SCID gamma mice bearing patient-derived adenocarcinoma xenograft, LTL-331, and neuroendocrine prostate cancers, LTL-331R and LTL-545. Results: [89Zr]DFO-YS5 binds specifically to the CD46-positive human prostate cancer DU145 and 22Rv1 xenografts. In biodistribution studies, the tumor uptake of [89Zr]DFO-YS5 was 13.3 ± 3.9 and 11.2 ± 2.5 %ID/g, respectively, in DU145 and 22Rv1 xenografts, 4 days postinjection. Notably, [89Zr]DFO-YS5 demonstrated specific uptake in the PSMA- and AR-negative DU145 model. [89Zr]DFO-YS5 also showed uptake in the patient-derived LTL-331 and -331R models, with particularly high uptake in the LTL-545 neuroendocrine prostate cancer tumors (18.8 ± 5.3, 12.5 ± 1.8, and 32 ± 5.3 %ID/g in LTL-331, LTL-331R, and LTL-545, respectively, at 4 days postinjection). Conclusions: [89Zr]DFO-YS5 is an excellent PET imaging agent across a panel of prostate cancer models, including in both adenocarcinoma and neuroendocrine prostate cancer, both cell line- and patient-derived xenografts, and both PSMA-positive and -negative tumors. It demonstrates potential for clinical translation as an imaging agent, theranostic platform, and companion biomarker in prostate cancer.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 ».