Maximizing therapeutic potential and safety: Exploring multi/dual-payload antibody conjugates as cancer theranostics
Notice bibliographique
Résumé
Tumor heterogeneity greatly contributes to the failure of traditional cancer treatments. This leads to tumor relapse, recurrence, and ultimately metastasis, presenting serious clinical challenges. In recent decades, advances in antibody-based immunotherapy have emerged as promising new pillars to combat cancers. Although single payload antibody drug conjugates (ADCs) have resulted in drastic improvements in patient outcomes compared with unconjugated antibodies, multiple de novo and acquired resistance mechanisms inherent with cancer cells have left patients with less than desired outcomes. Newer studies are exploring the use of dual and multiple payload ADCs to enhance effectiveness. These payloads include chemotherapeutic and/or radiotherapeutic agents. The approaches leverage the synergistic effects of the different payloads alongside the immunotherapeutic properties of the antibody carriers. This review presents a comprehensive overview of dual-payload monoclonal antibody conjugates for cancer therapy and diagnosis (theranostics). Additionally, it explores the use of various imageable radiometals that are conjugated to the ADCs for imaging/diagnosis. It discusses the role of radioisotope decay schemes (such as alpha emission, beta emission, or Auger electron emission) along with factors such as linker type and chelator, as well as drug-to-antibody ratio (DAR), which are aimed at enhancing the synergistic effects between the therapeutic payloads while ensuring safety. Because none of these dual-payload ADCs have reached the clinic, this review employs a predictive method to estimate human equivalent dose (HED), maximum tolerable dose (MTD), and radiotoxicity in humans based on preclinical data. Additionally, it discusses the combinatorial behavior of two cytotoxic payloads linked to a monoclonal antibody.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».