Antitumor activity of motesanib alone and in combination with cisplatin or docetaxel in multiple human non–small-cell lung cancer xenograft models
Notice bibliographique
Résumé
BACKGROUND: Non-small-cell lung cancer (NSCLC) is categorized into various histologic subtypes that play an important role in prognosis and treatment outcome. We investigated the antitumor activity of motesanib, a selective antagonist of vascular endothelial growth factor receptors (VEGFR) 1, 2, and 3, platelet-derived growth factor receptor, and Kit, alone and combined with chemotherapy in five human NSCLC xenograft models (A549, Calu-6, NCI-H358, NCI-H1299, and NCI-H1650) containing diverse genetic mutations. RESULTS: Motesanib as a single agent dose-dependently inhibited tumor xenograft growth compared with vehicle in all five of the models (P < 0.05). When combined with cisplatin, motesanib significantly inhibited the growth of Calu-6, NCI-H358, and NCI-H1650 tumor xenografts compared with either single agent alone (P < 0.05). Similarly, the combination of motesanib plus docetaxel significantly inhibited the growth of A549 and Calu-6 tumor xenografts compared with either single agent alone (P < 0.05). In NCI-H358 and NCI-H1650 xenografts, motesanib with and without cisplatin significantly decreased tumor blood vessel area (P < 0.05 vs vehicle) as assessed by anti-CD31 staining. Motesanib alone or in combination with chemotherapy had no effect on tumor cell proliferation in vitro. CONCLUSIONS: These data demonstrate that motesanib had antitumor activity against five different human NSCLC xenograft models containing diverse genetic mutations, and that it had enhanced activity when combined with cisplatin or docetaxel. These effects appeared to be mediated primarily by antiangiogenic mechanisms.
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 ».