Patient-Specific Vascularized Tumor Model: Blocking TAM Recruitment with Multispecific Antibodies Targeting CCR2 and CSF-1R
Notice bibliographique
Résumé
Tumor-associated inflammation drives cancer progression and therapy resistance, with the infiltration of monocyte-derived tumor-associated macrophages (TAMs) associated with poor prognosis in diverse cancers. Targeting TAMs holds potential against solid tumors, but effective immunotherapies require testing on immunocompetent human models prior to clinical trials. Here, we develop an in vitro model of microvascular networks that incorporates tumor spheroids or patient tissues. By perfusing the vasculature with human monocytes, we investigate monocyte trafficking into the tumor and evaluate immunotherapies targeting the human tumor microenvironment. Our findings demonstrate that macrophages in vascularized breast and lung tumor models can enhance monocyte recruitment via TAM-produced CCL7 and CCL2, mediated by CSF-1R. Additionally, we assess a novel multispecific antibody targeting CCR2, CSF-1R, and neutralizing TGF-β, referred to as CSF1R/CCR2/TGF-β Ab, on monocytes and macrophages using our 3D models. This antibody repolarizes TAMs towards an anti-tumoral M1-like phenotype, reduces monocyte chemoattractant protein secretion, and effectively blocks monocyte migration. Finally, we show that the CSF1R/CCR2/TGF-β Ab inhibits monocyte recruitment in patient-specific vascularized tumor models. Overall, this vascularized tumor model offers valuable insights into monocyte recruitment and enables functional testing of innovative therapeutic antibodies targeting TAMs in the tumor microenvironment (TME).
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 | 0,001 |
| 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 ».