Engineering of a Fully Human Anti-MUC-16 Antibody and Evaluation as a PET Imaging Agent
Notice bibliographique
Résumé
Antibodies that recognize cancer biomarkers, such as MUC16, can be used as vehicles to deliver contrast agents (imaging) or cytotoxic payloads (therapy) to the site of tumors. MUC16 is overexpressed in 80% of epithelial ovarian cancer (EOC) and 65% of pancreatic ductal adenocarcinomas (PDAC), where effective ‘theranostic’ probes are much needed. This work aims to develop fully human antibodies against MUC16 and evaluate them as potential immuno-PET imaging probes for detecting ovarian and pancreatic cancers. We developed a fully human monoclonal antibody, M16Ab, against MUC16 using phage display. M16Ab was conjugated with p-SCN-Bn-DFO and radiolabeled with 89Zr. 89Zr-DFO-M16Ab was then evaluated for binding specificity and affinity using flow cytometry. In vivo evaluation of 89Zr-DFO-M16Ab was performed by microPET/CT imaging at different time points at 24−120 h post injection (p.i.) and ex vivo biodistribution studies in mice bearing MUC16-expressing OVCAR3, SKOV3 (ovarian) and SW1990 (pancreatic) xenografts. 89Zr-DFO-M16Ab bound specifically to MUC16-expressing cancer cells with an EC50 of 10nM. 89Zr-DFO-M16Ab was stable in serum and showed specific uptake and retention in tumor xenografts even after 120 h p.i. (microPET/CT) with tumor-to-blood ratios > 43 for the SW1990 xenograft. Specific tumor uptake was observed for SW1990/OVCAR3 xenografts but not in MUC16-negative SKOV3 xenografts. Pharmacokinetic study shows a relatively short distribution (t1/2α) and elimination half-life (t1/2ß) of 4.4 h and 99 h, respectively. In summary, 89Zr-DFO-M16Ab is an effective non-invasive imaging probe for ovarian and pancreatic cancers and shows promise for further development of theranostic radiopharmaceuticals.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».