A Modular Antibody‐Oligomer T Cell Engager for Applications in Local Therapies
Notice bibliographique
Résumé
Abstract Immunotherapeutics, such as bispecific T cell engagers (BiTEs), have shown promise in cancer therapies, however their efficacy against solid tumors is hindered by transport barriers. Local therapies are being investigated to improve solid tumor immunotherapies and minimize systemic toxicity. Because local therapies bypass the circulatory system, drug properties can be optimized to further enhance local efficacy. Herein, the use of a larger BiTE‐like antibody‐oligomer conjugate is investigated, modular T cell engagers (MoTEs), to extend the duration of activity within local tissue mimics. Specifically, an anti‐CD3 antibody is modified with heterobifunctional ethylene oxide ((EO)4‐12) linkers, which are subsequently modified with cancer targeting ligands (CTLs). The (EO)x molecular weight and CTL grafting densities are optimized to achieve targeted cytotoxicity within in vitro co‐cultures against prostate‐specific membrane antigen (PSMA) positive and human epidermal growth factor receptor 2 (HER2) positive cancer cells. In local tissue models comprised of embedded PSMA positive spheroids in collagen‐hyaluronic acid hydrogels with T cells, it is demonstrated that MoTEs resulted in ≈2.5‐fold greater cytotoxicity toward cancer spheroids than a PSMA targeting BiTE at longer 12‐day timepoints. MoTEsmay therefore prove beneficial for local therapies by extending the duration of action after single‐dose administration and establishing simple synthetic protocols to target various cancer antigens.
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 | 0,000 | 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) | 0,001 | 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 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 ».