Translational Impact of Nanoparticle–Drug Conjugate CRLX101 with or without Bevacizumab in Advanced Ovarian Cancer
Notice bibliographique
Résumé
PURPOSE: Increased tumor hypoxia and hence elevated hypoxia-inducible factor-1α (HIF1α) is thought to limit the efficacy of vascular endothelial growth factor (VEGF) pathway-targeting drugs by upregulating adaptive resistance genes. One strategy to counteract this is to combine antiangiogenic drugs with agents able to suppress HIF1α. One such possibility is the investigational drug CRLX101, a nanoparticle-drug conjugate (NDC) containing the payload camptothecin, a known topoisomerase-I poison. EXPERIMENTAL DESIGN: CRLX101 was evaluated both as a monotherapy and combination with bevacizumab in a preclinical mouse model of advanced metastatic ovarian cancer. These preclinical studies contributed to the rationale for undertaking a phase II clinical study to evaluate CRLX101 monotherapy in patients with advanced platinum-resistant ovarian cancer. RESULTS: Preclinically, CRLX101 is highly efficacious as a monotherapy when administered at maximum-tolerated doses. Furthermore, chronic low-dose CRLX101 with bevacizumab reduced bevacizumab-induced HIF1α upregulation and resulted in synergistic efficacy, with minimal toxicity in mice. In parallel, initial data reported here from an ongoing phase II clinical study of CRLX101 monotherapy shows measurable tumor reductions in 74% of patients and a 16% RECIST response rate to date. CONCLUSIONS: Given these preclinical and initial clinical results, further clinical studies are currently evaluating CRLX101 in combination with bevacizumab in ovarian cancer and warrant the evaluation of this therapy combination in other cancer types where HIF1α is implicated in pathogenesis, as it may potentially be able to improve the efficacy of antiangiogenic drugs.
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 | 0,002 | 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 ».