Impact of soluble BCMA and non–T-cell factors on refractoriness to BCMA-targeting T-cell engagers in multiple myeloma
Notice bibliographique
Résumé
ABSTRACT: Adoptive T-cell therapy is a promising therapy for multiple myeloma (MM), but its efficacy hinges on understanding the relevant biologic and predictive markers of response. B-cell maturation antigen (BCMA) is a key target antigen in MM with active development of multiple anti-BCMA T-cell engagers (TCEs) and chimeric antigen receptor T-cell therapies. The regulation of surface BCMA expression by MM cells, which leads to shedding of soluble BCMA (sBCMA), has triggered debate about the significance of sBCMA as a predictive marker and its potential impact on treatment outcomes. To address this, we leveraged whole-genome sequencing and in vitro assays to demonstrate that sBCMA may independently predict primary refractoriness to anti-BCMA therapies. In addition to sBCMA, tumor burden and surface BCMA antigen density collectively influenced the anti-BCMA TCE cytotoxic efficacy. Correlative analyses of 163 patients treated with the anti-BCMA TCE teclistamab validated and further underscored the association between elevated baseline sBCMA (>400 ng/mL) and refractoriness. Importantly, increasing the TCE dose, using TCE against alternative targets (eg, GPRC5D), and gamma secretase inhibitors were able to overcome the high sBCMA levels. These findings highlight the importance of taking into account the baseline sBCMA levels, disease burden, and TCE dose intensity when administering anti-BCMA TCEs, thereby offering critical insights for optimizing therapeutic strategies to overcome specific high-risk features and primary anti-BCMA TCE refractoriness.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».