Antibody-Drug Conjugates to Promote Immune Surveillance: Lessons Learned from Breast Cancer
Notice bibliographique
Résumé
Antibody-drug conjugates (ADCs) represent an effective class of agents for the treatment of several tumor types, including breast cancer (BC), featuring approved molecules such as trastuzumab-emtansine, trastuzumab-deruxtecan, and sacituzumab-govitecan. Immune-checkpoint inhibitors (ICIs) also showed activity in selected BC subtypes, and two agents, pembrolizumab and atezolizumab, are currently approved for the treatment of triple-negative BC patients. The potential synergy between ADCs and immunotherapy in BC remains an area of active investigation. Preclinical studies suggest that ADCs promote immune surveillance, modulating tumor microenvironment, inducing immunogenic cell death, and enhancing antitumor immunity. Translational evidence has shown potential predictive biomarkers for ADCs alone or in combination with immunotherapy, including expression of target antigen, oncogenic pathways, tumor-infiltrating lymphocytes, and neutrophil-to-lymphocyte ratio. Given this background, several clinical trials evaluated ADC-ICI combinations in BC patients, demonstrating promising outcomes with an overall manageable toxicity profile, and many studies are currently ongoing to confirm the efficacy and feasibility of this therapeutic approach. In the present review, we summarized the available evidence about the integration of ADCs and immunotherapy for the management of BC, emphasizing the need for further translational and clinical investigations to optimize this treatment strategy and elucidate predictive biomarkers, eventually improving patient outcomes.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».