Mammalian Target of Rapamycin Inhibition Promotes Response to Epidermal Growth Factor Receptor Kinase Inhibitors in PTEN-Deficient and PTEN-Intact Glioblastoma Cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The epidermal growth factor receptor (EGFR) is commonly amplified, overexpressed, and mutated in glioblastoma, making it a compelling molecular target for therapy. We have recently shown that coexpression of EGFRvIII and PTEN protein by glioblastoma cells is strongly associated with clinical response to EGFR kinase inhibitor therapy. PTEN loss, by dissociating inhibition of the EGFR from downstream phosphatidylinositol 3-kinase (PI3K) pathway inhibition, seems to act as a resistance factor. Because 40% to 50% of glioblastomas are PTEN deficient, a critical challenge is to identify strategies that promote responsiveness to EGFR kinase inhibitors in patients whose tumors lack PTEN. Here, we show that the mammalian target of rapamycin (mTOR) inhibitor rapamycin enhances the sensitivity of PTEN-deficient tumor cells to the EGFR kinase inhibitor erlotinib. In two isogenic model systems (U87MG glioblastoma cells expressing EGFR, EGFRvIII, and PTEN in relevant combinations, and SF295 glioblastoma cells in which PTEN protein expression has been stably restored), we show that combined EGFR/mTOR kinase inhibition inhibits tumor cell growth and has an additive effect on inhibiting downstream PI3K pathway signaling. We also show that combination therapy provides added benefit in promoting cell death in PTEN-deficient tumor cells. These studies provide strong rationale for combined mTOR/EGFR kinase inhibitor therapy in glioblastoma patients, particularly those with PTEN-deficient 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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle