Inhibition of triple-negative breast cancer models by combinations of antibodies to EGFR
Notice bibliographique
Résumé
Breast tumors lacking expression of human epidermal growth factor receptor 2 (HER2) and the estrogen and the progesterone receptors (triple negative; TNBC) are more aggressive than other disease subtypes, and no molecular targeted agents are currently available for their treatment. Because TNBC commonly displays EGF receptor (EGFR) expression, and combinations of monoclonal antibodies to EGFR effectively inhibit other tumor models, we addressed the relevance of this strategy to treatment of TNBC. Unlike a combination of the clinically approved monoclonal antibodies, cetuximab and panitumumab, which displaced each other and displayed no cooperative effects, several other combinations resulted in enhanced inhibition of TNBC's cell growth both in vitro and in animals. The ability of certain antibody mixtures to remove EGFR from the cell surface and to promote its intracellular degradation correlated with the inhibitory potential. However, unlike EGF-induced sorting of EGFR to lysosomal degradation, the antibody-induced pathway displayed independence from the intrinsic kinase activity and dimer formation ability of EGFR, and it largely avoided the recycling route. In conclusion, although TNBC clinical trials testing EGFR inhibitors reported lack of benefit, our results offer an alternative strategy that combines noncompetitive antibodies to achieve robust degradation of EGFR and tumor inhibition.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».