Detecting functional changes with [18F]FAZA in a renal cell carcinoma mouse model following sunitinib therapy
Notice bibliographique
Résumé
BACKGROUND: The multitargeting tyrosine kinase inhibitor (TKI) sunitinib is currently the first-line drug therapy for metastasizing renal cell carcinoma (RCC). TKIs have profound effects on tumor angiogenesis, leading to modifications of the tumor microenvironment. The goal of this study was to determine whether these treatment-induced changes can be detected with [(18)F]FAZA. METHODS: The present study utilized positron emission tomography (PET) to analyze tumor oxygenation status during and after sunitinib therapy in the murine Caki-1 RCC tumor model. Dynamic and static scans were performed, as well as ex vivo biodistributions at 3 h post injection (p.i.). Immunohistochemical analysis of tumor tissue was carried out for the quantification of pimonidazole binding and the hypoxia-associated factors CD-31, Ki-67, and Von Willebrand factor (VWF). In addition, in vitro cellular uptake studies were done to analyze the direct effects of sunitinib on the Caki-1 cells. RESULTS: During therapy with sunitinib (40 mg/kg/day), uptake of [(18)F]FAZA into Caki-1 mice decreased by 46 ± 5% (n = 4; 5 days) at 3 h post injection (p.i.) during the first study and 22 ± 5% (n = 8; 9 days) during the long-term study, indicating a decrease in the tumor's hypoxia level. However, when drug therapy was stopped, this effect was reversed completely, and the tumor [(18)F]FAZA uptake increased to 126 ± 6% (n = 6) of the control tumor uptake, indicative of an even higher level of tumor hypoxia compared to the therapy starting point. Sunitinib had no direct effect on [(18)F]FAZA uptake into Caki-1 cells in vitro. CONCLUSION: [(18)F]FAZA PET could be used to monitor drug response during sunitinib therapy in RCC and may guide combination therapies based on the tumor's hypoxia status.
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 | 0,001 | 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 | 0,001 |
| 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 ».