MétaCan
Menu
Retour à la cohorte
Enregistrement W4308653809 · doi:10.1158/0008-5472.can-22-1433

Immunotherapeutic Targeting and PET Imaging of DLL3 in Small-Cell Neuroendocrine Prostate Cancer

2022· article· en· W4308653809 sur OpenAlexafffund
Jonathan Chou, Emily A. Egusa, Sinan Wang, Michelle L. Badura, Fei Lee, Anil P. Bidkar, Jun Zhu, Tanushree Shenoy, Kai Trepka, Troy M. Robinson, Veronica Steri, Jiaoti Huang, Yuzhuo Wang, Eric J. Small, Emily Chan, Bradley A. Stohr, Alan Ashworth, Brant Delafontaine, Sylvie Rottey, Keegan S. Cooke, Nooshin Hashemi Sadraei, Brian Yu, Mark Salvati, Julie M. Bailis, Felix Y. Feng, Robert R. Flavell, Rahul Aggarwal

Notice bibliographique

RevueCancer Research · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Research Studies
Établissements canadiensUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesNational Institute of General Medical SciencesNational Cancer InstituteCanadian Institutes of Health ResearchGenentechNational Institutes of HealthUniversity of California, San FranciscoScheme for Promotion of Academic and Research CollaborationAstellas PharmaClovis OncologyU.S. Department of DefenseSanofiCelgeneProstate Cancer FoundationAstraZenecaAmgenPfizerAdvanced Accelerator Applications
Mots-clésProstate cancerMedicineImmunotherapyCancerCancer researchT cellImmunologyInternal medicineImmune system

Résumé

récupéré en direct d'OpenAlex

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,054
Tête enseignante GPT0,414
Écart entre enseignants0,360 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations60
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetLung Cancer Research StudiesTravaux en français237 207