Abstract IA003: Refining our understanding of ADCs: Drug development insights from 40 years of data
Notice bibliographique
Résumé
Abstract Antibody drug conjugates (ADCs) have emerged as an effective and promising class of cancer therapeutics. Over the past 40 years, over 300 new ADCs have entered the clinic, culminating in 11 FDA approvals to date. Recently, the increased volume of clinical data related to ADCs has substantially advanced our understanding of this therapeutic class. Despite their rising popularity, there are three prevailing ADC dogma that are widely accepted without challenge: - ADCs widen the therapeutic window of the conjugated drug by both increasing the maximum tolerated dose (MTD) and reducing the minimum efficacious dose (MED) of the drug (the therapeutic window dogma). - A highly stable linker is paramount to the clinical success of the ADC (the stability dogma). - ADCs deliver conjugated drugs selectively to cancer cells while sparing normal cells (the magic bullet dogma). Clinical evidence does not consistently support these beliefs. An improved understanding of how ADCs work is critical to the enhanced design and development of this therapeutic class. Consequently, the canonical ADC dogma need to be refined in light of emerging clinical data. Revised therapeutic window dogma: ADCs do not significantly increase the MTD of their conjugated drugs. Instead, when dosed at or near their MTDs, ADCs exhibit higher efficacy compared to corresponding small molecules. Revised stability dogma: antibody-linker instabilities and linker-drug instabilities are common across many ADCs, including all the approved ADCs (i.e., none of the approved ADCs feature a stable linker). Unexpected toxicities have often emerged among ADCs containing overly stabilized linkers. Revised magic bullet dogma: ADCs significantly alter the exposure of the conjugated drug. Targeted drug delivery and non-targeted uptake, in combination with linker instabilities, contribute to the sustained drug concentration at the tumor site. Citation Format: Raffaele Colombo. Refining our understanding of ADCs: Drug development insights from 40 years of data [abstract]. In: Proceedings of the AACR-NCI-EORTC Virtual International Conference on Molecular Targets and Cancer Therapeutics; 2023 Oct 11-15; Boston, MA. Philadelphia (PA): AACR; Mol Cancer Ther 2023;22(12 Suppl):Abstract nr IA003.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,007 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».