Novel TREM-1 Inhibitors Attenuate Tumor Growth and Prolong Survival in Experimental Pancreatic Cancer
Notice bibliographique
Résumé
Pancreatic cancer (PC) is a highly lethal cancer with an urgent need to expand the limited treatment options for patients. Tumor-associated macrophages (TAMs) promote tumor aggressiveness and metastasis. High expression of triggering receptor expressed on myeloid cells 1 (TREM-1) on TAMs directly correlates with poor survival in patients with non-small cell lung cancer (NSCLC). We have previously hypothesized that blockade of TREM-1 could be a promising therapeutic strategy to treat cancer and shown that the novel, ligand-independent TREM-1 inhibitory peptides rationally designed using the signaling chain homooligomerization (SCHOOL) strategy suppress NSCLC growth in vivo. Here, we evaluated the therapeutic potential of these inhibitors in three human PC xenograft mouse models. Administration of SCHOOL peptides resulted in a strong antitumor effect achieving an optimal treatment/control (T/C) value of 19% depending on the xenograft and formulation used and persisting even after treatment was halted. The effect correlated significantly with increased survival and suppressed TAM infiltration. The peptides were well-tolerated when deployed either in free form or formulated into lipopeptide complexes for peptide half-life extension and targeted delivery. Finally, blockade of TREM-1 significantly reduced serum levels of interleukin (IL)-1α, IL-6, and macrophage colony-stimulating factor (M-CSF), but not vascular endothelial growth factor, suggesting M-CSF-dependent antitumor mechanisms. Collectively, these promising data suggest that SCHOOL TREM-1-specific peptide inhibitors have a cancer type independent, therapeutically beneficial antitumor activity and can be potentially used as a stand-alone therapy or as a component of combinational therapy for PC, NSCLC, and other solid 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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».