Genomic and Molecular Profiling Predicts Response to Temozolomide in Melanoma
Notice bibliographique
Résumé
PURPOSE: Despite objective response rates of only approximately 13%, temozolomide remains one of the most effective single chemotherapy agents against metastatic melanoma, second only to dacarbazine, the current standard of care for systemic treatment of melanoma. The goal of this study was to identify molecular and/or genetic markers that correlate with, and could be used to predict, response to temozolomide-based treatment regimens and that reflect the intrinsic properties of a patient's tumor. EXPERIMENTAL DESIGN: Using a panel of 26 human melanoma-derived cell lines, we determined in vitro temozolomide sensitivity, O(6)-methylguanine-DNA methyltransferase (MGMT) activity, MGMT protein expression and promoter methylation status, and mismatch repair proficiency, as well as the expression profile of 38,000 genes using an oligonucleotide-based microarray platform. RESULTS: The results showed a broad spectrum of temozolomide sensitivity across the panel of cell lines, with IC(50) values ranging from 100 micromol/L to 1 mmol/L. There was a significant correlation between measured temozolomide sensitivity and a gene expression signature-derived prediction of temozolomide sensitivity (P < 0.005). Notably, MGMT alone showed a significant correlation with temozolomide sensitivity (MGMT activity, P < 0.0001; MGMT expression, P <or= 0.0001). The promoter methylation status of the MGMT gene, however, was not consistent with MGMT gene expression or temozolomide sensitivity. CONCLUSIONS: These results show that melanoma resistance to temozolomide is conferred predominantly by MGMT activity and suggest that MGMT expression could potentially be a useful tool for predicting the response of melanoma patients to temozolomide therapy.
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 | 0,003 | 0,002 |
| 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 ».