MétaCan
Menu
Retour à la cohorte
Enregistrement W4413872129 · doi:10.1136/jitc-2024-011331

Nanofilament immunotherapy induces potent antitumor vaccine responses

2025· article· en· W4413872129 sur OpenAlexafffund
Kevin Neil, Samuel Génier, J Douchin, Hugo Giguère, Lauren Daniel, Melina Gonzalez, Vincent Quoc‐Huy Trinh, Lee‐Hwa Tai, Sébastien Rodrigue, Jean‐François Millau

Notice bibliographique

RevueJournal for ImmunoTherapy of Cancer · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensCentre Hospitalier de l’Université de MontréalInstitute for Research in Immunology and CancerUniversité de MontréalUniversité de Sherbrooke
Organismes subventionnairesGénome Québec
Mots-clésMedicineImmunotherapyImmunologyCancer researchPharmacologyImmune system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Checkpoint inhibitors revolutionized cancer treatment by potentiating antitumor immune responses. However, many patients do not respond to these therapies, often due to the lack of a pre-existing immune response against cancer cells. Developing immunotherapies that promote cancer-cell antigen recognition, and the initiation of antitumor immune responses could thus improve response rates. METHODS: We established multimodal nanofilament immunotherapy as an antigen-agnostic in situ cancer vaccine modality. Through genetic engineering of the M13 bacteriophage, nanofilaments displaying combinations of therapeutic agents were generated to guide immune recognition and response against cancer cells. TAT003 is a multimodal nanofilament combining the natural adjuvant properties of M13 with the display of both anti-PD-L1 single-chain antibody fragments (scFvs) and interleukin-2 (IL-2) molecules. It was developed to bind to the surface of cancer cells and transform them into immunological targets. After validation of TAT003's biological activities in vitro and assessment of its biodistribution, its potency was evaluated after intratumoral administration in murine syngeneic tumor models, both as a single agent and in combination with Programmed Death protein 1 (PD-1) blockade therapy. In addition, the mechanism of action of TAT003 was characterized using cytokine and immune profiling and T-cell activation assays. RESULTS: TAT003 nanofilaments displayed several copies of biologically active anti-Programmed Death ligand 1 (PD-L1) and IL-2 molecules. On intratumoral injection, TAT003 attached durably to the tumor, thus limiting systemic exposure to the drug. TAT003 profoundly remodeled the tumor microenvironment of injected lesions, where it initiated a robust myeloid-cell infiltrate, and promoted the invasion of non-injected, contralateral lesions by T cells. This translated into potent regression of both injected and non-injected tumors in several cancer models, and potentiated PD-1 blockade therapy. TAT003 treatment induced the expansion of cancer-cell specific effector T cells systemically, providing a long-lasting antitumor vaccine response. CONCLUSIONS: Multimodal nanofilament immunotherapy is a novel approach to mounting systemic antitumor immune responses in situ by physically attaching large immunostimulatory molecules to cancer cells. TAT003 induced marked tumor regression by leveraging synergies between therapeutic agents displayed on its surface while offering a favorable tolerability profile. The results presented here establish multimodal nanofilaments as an innovative and versatile immunotherapy platform for developing in situ cancer vaccines.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,408
Écart entre enseignants0,378 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal for ImmunoTherapy of CancerMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207