Abstract 312: Redirecting T cells to tumor targets with functionally diverse CD3-binding antibodies
Notice bibliographique
Résumé
Abstract Bispecific antibodies that redirect cancer-killing T cells towards tumors are promising next-generation cancer therapies. While there are hundreds of T cell engagers (TCEs) in development, there is only one approved and marketed CD3-binding TCE. The high rate of attrition is largely attributable to dose-limiting toxicities, including cytokine release syndrome, due in part to the small pool of high affinity CD3-binding antibodies that are commonly used. The discovery of safe and effective TCEs is limited because diverse panels of parental CD3 antibodies are hard to produce, the pairing of parentals is hard to perfect, and the sheer complexity and volume of data is hard to action. In this study, we will present a panel of functionally diverse, fully human CD3-binding parental antibodies. We will present data characterizing the diversity of our panel across multiple parameters, including sequence diversity, CD3 affinity, epitope binding, T cell activation, cytokine release, and tumor cell killing. Using OrthoMab࣪, our clinically-validated bispecific engineering platform, allows this panel to be tested with a series of tumor-associated antigens (TAAs) in a matrix format. Results from high-throughput production and characterization of bispecific antibodies will be presented. These multidimensional datasets of TCE composition and function allow for the identification of pairs that are optimal candidates for clinical development. This work will show how the diversity of our CD3-binding panel, combined with a robust bispecific protein engineering technology, can be used to quickly assess large and diverse TAA-binding panels discovered through our technology stack. An integrated workflow that doubles the data with diverse panels of parentals, assembles stable, safe, and manufacturable TCEs, and visualizes multidimensional datasets are critical to successfully identifying lead therapeutic candidates to bring the next generation of cancer therapies to patients sooner. Citation Format: Lindsay DeVorkin, Tim M. Jacobs, Raffi Tonikian, Karine Hervé, Kate Caldwell, Yuri Hwang, Cristina Faralla, Wei Wei, Katherine J. Lam, Harveer Dhupar, Tran NT Tran, Melissa Cid, Lena M. Bolten, Tova Pinsky, Kush Dalal, Kevin A. Heyries, Bryan C. Barnhart. Redirecting T cells to tumor targets with functionally diverse CD3-binding antibodies [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2022; 2022 Apr 8-13. Philadelphia (PA): AACR; Cancer Res 2022;82(12_Suppl):Abstract nr 312.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».