Immune Checkpoint Glycoproteins Have Polymorphism: Are Monoclonal Antibodies Too Specific?
Notice bibliographique
Résumé
Since the 2018 Nobel prize in medicine was granted to the discovery of immune escape by cancer cells, billions of dollars have been spent on a new form of cancer immunotherapy called immune checkpoint inhibition (ICI). In this treatment modality, monoclonal antibodies (mAbs) are used to block cell-surface glycoproteins responsible for cancer immune escape. However, only a subset of patients benefit from this treatment. In this commentary, we focus on the polymorphism in the target molecules of these mAbs, namely PD-1, PD-L1 and CTLA4; we explain that using a single mAb from one clone is unlikely to succeed in treating all humans because humans have a genotype and phenotype polymorphism in these molecules. Monoclonal antibodies are highly specific and are capable of recognizing only one epitope ("monospecific"), which makes them ideal for use in laboratory animals because these animals are generationally inbred and genetically identical (isogenic). In humans, however, the encoding genes for PD-1, PD-L1 and CTLA4 have variations (alleles), and the final protein products have phenotype polymorphism. This means that small differences exist in these proteins among individual humans, rendering one mAb too specific to cover all patients. Our suggestion for the next step in advancing this oncotherapy is to focus on methods to tailor the mAb treatment individually for each patient or replace a single clone of mAb with less specific alternatives, e.g., a "cocktail of mAbs", oligoclonal antibodies or recombinant polyclonal antibodies. Fortunately, there are ongoing clinical trials on oligoclonal antibodies at the moment.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».