Mechanism of action, potency and efficacy: considerations for cell therapies
Notice bibliographique
Résumé
One of the most challenging aspects of developing advanced cell therapy products (CTPs) is defining the mechanism of action (MOA), potency and efficacy of the product. This perspective examines these concepts and presents helpful ways to think about them through the lens of metrology. A logical framework for thinking about MOA, potency and efficacy is presented that is consistent with the existing regulatory guidelines, but also accommodates what has been learned from the 27 US FDA-approved CTPs. Available information regarding MOA, potency and efficacy for the 27 FDA-approved CTPs is reviewed to provide background and perspective. Potency process and efficacy process charts are introduced to clarify and illustrate the relationships between six key concepts: MOA, potency, potency test, efficacy, efficacy endpoint and efficacy endpoint test. Careful consideration of the meaning of these terms makes it easier to discuss the challenges of correlating potency test results with clinical outcomes and to understand how the relationships between the concepts can be misunderstood during development and clinical trials. Examples of how a product can be "potent but not efficacious" or "not potent but efficacious" are presented. Two example applications of the framework compare how MOA is assessed in cell cultures, animal models and human clinical trials and reveals the challenge of establishing MOA in humans. Lastly, important considerations for the development of potency tests for a CTP are discussed. These perspectives can help product developers set appropriate expectations for understanding a product's MOA and potency, avoid unrealistic assumptions and improve communication among team members during the development of CTPs.
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) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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 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 ».