Use of a genetically engineered mouse model as a preclinical tool for HER2 breast cancer
Notice bibliographique
Résumé
Resistance to human epidermal growth factor receptor 2 (HER2)-targeted therapies presents a major clinical problem. Although preclinical studies have identified a number of possible mechanisms, clinical validation has been difficult. This is most likely to reflect the reliance on cell-line models that do not recapitulate the complexity and heterogeneity seen in human tumours. Here, we show the utility of a genetically engineered mouse model of HER2-driven breast cancer (MMTV-NIC) to define mechanisms of resistance to the pan-HER family inhibitor AZD8931. Genetic manipulation of MMTV-NIC mice demonstrated that loss of phosphatase and tensin homologue (PTEN) conferred de novo resistance to AZD8931, and a tumour fragment transplantation model was established to assess mechanisms of acquired resistance. Using this approach, 50% of tumours developed resistance to AZD8931. Analysis of the resistant tumours showed two distinct patterns of resistance: tumours in which reduced membranous HER2 expression was associated with an epithelial-to-mesenchymal transition (EMT) and resistant tumours that retained HER2 expression and an epithelial morphology. The plasticity of the EMT phenotype was demonstrated upon re-implantation of resistant tumours that then showed a mixed epithelial and mesenchymal phenotype. Further AZD8931 treatment resulted in the generation of secondary resistant tumours that again had either undergone EMT or retained their original epithelial morphology. The data provide a strong rationale for basing therapeutic decisions on the biology of the individual resistant tumour, which can be very different from that of the primary tumour and will be specific to individual patients.
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) | 0,001 | 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 ».