Use of Molecular Biomarkers to Quantify the Spatial Distribution of Effects of Anticancer Drugs in Solid Tumors
Notice bibliographique
Résumé
Poor distribution of anticancer drugs within solid tumors may limit their effectiveness. Here, we characterize the distribution within solid tumors of biomarkers of drug effect. γ-H2AX, cleaved-caspase-3 or -6, and Ki67 were quantified in tumor sections in relation to blood vessels (recognized by CD31) using monoclonal antibodies and immunohistochemistry. To validate their use, we compared their time-dependent distribution with that of (i) fluorescent doxorubicin and (ii) a monoclonal antibody that detects melphalan-induced DNA adducts. The biomarkers were then used to quantify the distribution of docetaxel in relation to tumor blood vessels. Activation of γ-H2AX was evaluated following in vitro exposure of tumor cells to multiple drugs. Distributions of doxorubicin in MDA-MB-231 and MCF-7 xenografts and of melphalan-induced DNA adducts in MCF-7 and EMT-6 tumors decreased with distance from blood vessels, similar to the distributions of (i) γ-H2AX at 10 minutes, (ii) cleaved caspase-3 or -6, and (iii) change in Ki67 at 24 hours following treatment. The distribution of these biomarkers following treatment with docetaxel also decreased with increasing distance from tumor blood vessels. Activation of γ-H2AX occurred within 1 hour after exposure to several drugs in culture. Multiple anticancer drugs show a decrease in activity with increasing distance from tumor blood vessels; poor drug distribution is an important cause of drug resistance. The above biomarkers may be used in designing strategies to overcome therapeutic resistance by modifying or complementing the limited spatial distribution of drug activity in solid tumors.
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 | 0,000 | 0,000 |
| 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 ».