MétaCan
Menu
Retour à la cohorte
Enregistrement W4396578915 · doi:10.1186/s12967-024-05179-7

Mechanism of action, potency and efficacy: considerations for cell therapies

2024· review· en· W4396578915 sur OpenAlexaff
Carl G. Simon, Erich H. Bozenhardt, Christina M. Celluzzi, David Dobnik, Melanie Grant, Uma Lakshmipathy, Thiana Nebel, Linda Peltier, Anthony Ratcliffe, James L. Sherley, Glyn Stacey, Rouzbeh R. Taghizadeh, Eddie Han Pin Tan, Sandrine Vessillier

Notice bibliographique

RevueJournal of Translational Medicine · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Institute of Standards and TechnologyUnited States Pharmacopeia
Mots-clésPotencyMechanism (biology)Action (physics)MedicineMechanism of actionBioinformaticsPharmacologyComputational biologyChemistryBiologyBiochemistryIn vitro

Résumé

récupéré en direct d'OpenAlex

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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,043
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,227

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0430,032
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0040,002
Études des sciences et des technologies0,0040,026
Communication savante0,0160,021
Science ouverte0,0040,006
Intégrité de la recherche0,0110,020
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,166
Tête enseignante GPT0,433
Écart entre enseignants0,267 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Translational MedicineMême sujetCAR-T cell therapy researchTravaux en français237 207