Identifying MAGE-A4-positive tumors for TCR T cell therapies in HLA-A∗02-eligible patients
Notice bibliographique
Résumé
T cell receptor (TCR) T cell therapies target tumor antigens in a human leukocyte antigen (HLA)-restricted manner. Biomarker-defined therapies require validation of assays suitable for determination of patient eligibility. For clinical trials evaluating TCR T cell therapies targeting melanoma-associated antigen A4 (MAGE-A4), screening in studies NCT02636855 and NCT04044768 assesses patient eligibility based on: (1) high-resolution HLA typing and (2) tumor MAGE-A4 testing via an immunohistochemical assay in HLA-eligible patients. The HLA/MAGE-A4 assays validation, biomarker data, and their relationship to covariates (demographics, cancer type, histopathology, tissue location) are reported here. HLA-A∗02 eligibility was 44.8% (2,959/6,606) in patients from 43 sites across North America and Europe. While HLA-A∗02:01 was the most frequent HLA-A∗02 allele, others (A∗02:02, A∗02:03, A∗02:06) considerably increased HLA eligibility in Hispanic, Black, and Asian populations. Overall, MAGE-A4 prevalence based on clinical trial enrollment was 26% (447/1,750) across 10 solid tumor types, and was highest in synovial sarcoma (70%) and lowest in gastric cancer (9%). The covariates were generally not associated with MAGE-A4 expression, except for patient age in ovarian cancer and histology in non-small cell lung cancer. This report shows the eligibility rate from biomarker screening for TCR T cell therapies and provides epidemiological data for future clinical development of MAGE-A4-targeted therapies.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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 ».