MétaCan
Menu
Retour à la cohorte
Enregistrement W2123027432 · doi:10.1158/1535-7163.mct-07-0138

Epithelial to mesenchymal transition predicts gefitinib resistance in cell lines of head and neck squamous cell carcinoma and non–small cell lung carcinoma

2007· article· en· W2123027432 sur OpenAlexaff
Barbara Frederick, Barbara A. Helfrich, Christopher D. Coldren, Di Zheng, Dan Chan, Paul A. Bunn, David Raben

Notice bibliographique

RevueMolecular Cancer Therapeutics · 2007
Typearticle
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensImmunovaccine (Canada)
Organismes subventionnairesNational Cancer InstituteUniversity of PittsburghAstraZeneca
Mots-clésGefitinibErlotinibHead and neck squamous-cell carcinomaCancer researchEpithelial–mesenchymal transitionEpidermal growth factor receptorBiologyVimentinSquamous carcinomaMedicinePathologyOncologyCarcinomaInternal medicineCancerHead and neck cancerImmunohistochemistryMetastasis

Résumé

récupéré en direct d'OpenAlex

The modest response of patients with head and neck squamous cell carcinoma (HNSCC) and non-small cell lung carcinoma (NSCLC) to epithelial growth factor receptor tyrosine kinase inhibitors such as gefitinib and erlotinib indicates the need for the development of biomarkers to predict response. We determined gefitinib sensitivity in a panel of HNSCC cell lines by a 5-day 3-(4,5-dimethylthiazol-2-yl)-2,5-diphenyltetrazolium bromide assay and confirmed these responses with analysis of downstream signaling by immunoblotting and cell cycle arrest. Basal gene expression profiles were then determined by microarray analysis and correlated with gefitinib response. These data were combined with previously reported NSCLC microarray results to generate a broader predictive index. Common markers of resistance between the two tumor types included genes associated with the epithelial to mesenchymal transition. We confirmed that increased protein expression of vimentin combined with the loss of E-cadherin, claudin 4, and claudin 7 by immunoblotting was associated with gefitinib resistance in both HNSCC and NSCLC cell lines. In addition, the loss of the Ca(2+)-independent cell-cell adhesion molecules EpCAM and TROP2 in resistant lines was confirmed by immunofluorescence. Tumor xenografts derived from the gefitinib-sensitive UM-SCC-2 were growth-delayed by gefitinib, whereas the gefitinib-resistant 1483 xenografts were unaffected. These data support a role for epithelial to mesenchymal transition in establishing gefitinib resistance for both HNSCC and NSCLC, and indicate that clinical trials should address whether these biomarkers will be useful for patient selection.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,284
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations273
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer TherapeuticsMême sujetLung Cancer Treatments and MutationsTravaux en français237 207