miR-221/222 Are Involved in Response to Sunitinib Treatment in Metastatic Renal Cell Carcinoma
Notice bibliographique
Résumé
Sunitinib is a multitargeting tyrosine kinase inhibitor used for metastatic renal cancer. There are no biomarkers that can predict sunitinib response. Such markers are needed to avoid administration of costly medication with side effects to patients who would not benefit from it. We compared global miRNA expression between patients with a short (≤12 months) versus prolonged (>12 months) progression-free survival (PFS) under sunitinib as first-line therapy for metastatic renal cell carcinoma. We identified a number of differentially expressed miRNAs and developed miRNA statistical models that can accurately distinguish between the two groups. We validated our models in the discovery set and an independent set of 57 patients. Target prediction and pathway analysis showed that these miRNAs are involved in vascular endothelial growth factor (VEGF), TGFβ, and mammalian target of rapamycin (mTOR)-mediated signaling and cell-cell communication. We tested the effect of these miRNAs on cellular proliferation and angiogenesis. We validated the negative correlation between miR-221 and its target, VEGFR2.miR-221 overexpression was associated with a poor PFS while its target, VEGFR2 was associated with longer survival. Gain of function experiments showed that miR-221 and miR-222 decreased angiogenesis and cellular proliferation in human umbilical vein endothelial cells (HUVEC) while increasing cellular proliferation in ACHN cells. miRNAs represent potential predictive markers for sunitinib response.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».