Antibodies and bispecifics for multiple myeloma: effective effector therapy
Notice bibliographique
Résumé
The therapeutic landscape in multiple myeloma (MM) has changed dramatically over the last 2 decades. With the introduction of novel immunotherapies, patients with MM can expect deeper responses, longer remissions, and improved overall survival. Since its approval by the US Food and Drug Administration in 2015, the monoclonal antibody specific for CD38, daratumumab, has been incorporated into both frontline and relapsed treatment regimens. Its role as a maintenance therapy is currently being explored. Subsequently, a variety of novel antibody therapeutics have evolved from the success of daratumumab, using similar concepts to target the malignant plasma cell clone. Noteworthy naked monoclonal antibodies include isatuximab, another agent directed against CD38, and elotuzumab, an agent directed against SLAM family member 7. Antibody-drug conjugates, complex molecules composed of an antibody tethered to a cytotoxic drug, target malignant cells and deliver a lethal payload. The first to market is belantamab mafodotin, which targets B-cell maturation antigen (BCMA) on malignant plasma cells and delivers a potent microtubule inhibitor, monomethyl auristatin F. Additionally, bispecific T-cell antibodies are in development that engage the immune system directly by simultaneously binding CD3 on T cells and a target epitope-such as BCMA, G-protein coupled receptor family C group 5 member D (GPRC5d), and Fc receptor homologue 5 (FcRH5)-on malignant cells. Currently, teclistamab, an anti-BCMA bispecific, is closest to approval for commercial use. In this review, we explore the evolving landscape of antibodies in the treatment of MM, including their role in frontline and relapse settings.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».