Molecular determinants of response to matuzumab in combination with paclitaxel for patients with advanced non-small cell lung cancer
Notice bibliographique
Résumé
Antibodies targeting epidermal growth factor receptor (EGFR) have proven to be effective in patients with non-small cell lung cancer (NSCLC) that express EGFR. We recently published a phase I study of weekly matuzumab plus paclitaxel. This therapy was well tolerated and showed clinical responses in the majority of patients. Although matuzumab displays potent antitumor activity in some patients, not all patients respond well to treatment. Whether dysregulation of EGFR-mediated pathways precludes or sensitizes cells to paclitaxel is unknown. We sought to determine molecular predictive factors for therapy response in a phase I/II study patient cohort treated with matuzumab+/-paclitaxel. Twenty-three cases [including one complete response (CR), three partial responses (PR), 10 stable diseases (SD)] were screened using immunohistochemistry (IHC), fluorescence in situ hybridization (FISH), PCR/sequencing and denaturing wave high performance liquid chromatography (D-HPLC) for expression, amplification, and mutation status of EGFR and downstream signaling pathways. All patients with PR or CR displayed an either high overall or single-cell EGFR expression in the majority of cells. In addition, all of the moderate responders, who achieved SD after at least two cycles of therapy, showed diffuse EGFR expression rates and/or strong single-cell EGFR expression. In contrast, 44% of the nonresponders showed low overall or single-cell EGFR expression levels. No low-expressing EGFR cases were present within the responder group. In addition, among patients with a gain-of-function mutation in KRAS primary therapy failure and/or short responses to therapy were observed. Our data suggest that EGFR expression and KRAS mutation status is predictive for clinical response to matuzumab +/- paclitaxel in patients with advanced NSCLC.
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 ».