Baseline Gene Expression Predicts Sensitivity to Gefitinib in Non–Small Cell Lung Cancer Cell Lines
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
Tyrosine kinase inhibitors (TKI) of the epidermal growth factor receptor (EGFR) produce objective responses in a minority of patients with advanced-stage non-small cell lung cancer (NSCLC), and about half of all treated patients progress within 6 weeks of instituting therapy. Because the target of these agents is known, it should be possible to develop biological predictors of response, but EGFR protein levels have not been proven useful as a predictor of TKI response in patients and the mechanism of primary resistance is unclear. We used microarray gene expression profiling to uncover a pattern of gene expression associated with sensitivity to EGFR-TKIs by comparing NSCLC cell lines that were either highly sensitive or highly resistant to gefitinib. This sensitivity-associated expression profile was used to predict gefitinib sensitivity in a panel of NSCLC cell lines with known gene expression profiles but unknown gefitinib sensitivity. Gefitinib sensitivity was then determined for members of this test panel, and the microarray-based sensitivity prediction was correct in eight of nine NSCLC cell lines. Gene and protein expression differences were confirmed with a combination of quantitative reverse transcription-PCR, flow cytometry, and immunohistochemistry. This gene expression pattern related to gefitinib sensitivity was independent from sensitivity associated with EGFR mutations. Several genes associated with sensitivity encode proteins involved in HER pathway signaling or pathways that interrelate to the HER signaling pathway. Some of these genes could be targets of pharmacologic interventions to overcome primary resistance.
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