Immunotherapeutic Targeting and PET Imaging of DLL3 in Small-Cell Neuroendocrine Prostate Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Effective treatments for de novo and treatment-emergent small-cell/neuroendocrine (t-SCNC) prostate cancer represent an unmet need for this disease. Using metastatic biopsies from patients with advanced cancer, we demonstrate that delta-like ligand 3 (DLL3) is expressed in de novo and t-SCNC and is associated with reduced survival. We develop a PET agent, [89Zr]-DFO-DLL3-scFv, that detects DLL3 levels in mouse SCNC models. In multiple patient-derived xenograft models, AMG 757 (tarlatamab), a half-life-extended bispecific T-cell engager (BiTE) immunotherapy that redirects CD3-positive T cells to kill DLL3-expressing cells, exhibited potent and durable antitumor activity. Late relapsing tumors after AMG 757 treatment exhibited lower DLL3 levels, suggesting antigen loss as a resistance mechanism, particularly in tumors with heterogeneous DLL3 expression. These findings have been translated into an ongoing clinical trial of AMG 757 in de novo and t-SCNC, with a confirmed objective partial response in a patient with histologically confirmed SCNC. Overall, these results identify DLL3 as a therapeutic target in SCNC and demonstrate that DLL3-targeted BiTE immunotherapy has significant antitumor activity in this aggressive prostate cancer subtype. SIGNIFICANCE: The preclinical and clinical evaluation of DLL3-directed immunotherapy, AMG 757, and development of a PET radiotracer for noninvasive DLL3 detection demonstrate the potential of targeting DLL3 in SCNC 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.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle