Pre- and post-operative anti-PD-L1 plus anti-angiogenic therapies in mouse breast or renal cancer models of micro- or macro-metastatic disease
Notice bibliographique
Résumé
There are phase 3 clinical trials underway evaluating anti-PD-L1 antibodies as adjuvant (postoperative) monotherapies for resectable renal cell carcinoma (RCC) and triple-negative breast cancer (TNBC); in combination with antiangiogenic VEGF/VEGFR2 inhibitors (e.g., bevacizumab and sunitinib) for metastatic RCC; and in combination with chemotherapeutics as neoadjuvant (preoperative) therapies for resectable TNBC. This study investigated these and similar clinically relevant drug combinations in highly translational preclinical models of micro- and macro-metastatic disease that spontaneously develop after surgical resection of primary kidney or breast tumours derived from orthotopic implantation of murine cancer cell lines (RENCA luc or EMT-6/CDDP, respectively). In the RENCA luc model, adjuvant sunitinib plus anti-PD-L1 improved overall survival compared to either drug alone, while the same combination was ineffective as early therapy for unresected primary tumours or late-stage therapy for advanced metastatic disease. In the EMT-6/CDDP model, anti-PD-L1 was highly effective as an adjuvant monotherapy, while its combination with paclitaxel chemotherapy (with or without anti-VEGF) was most effective as a neoadjuvant therapy. Our preclinical data suggest that anti-PD-L1 plus sunitinib may warrant further investigation as an adjuvant therapy for RCC, while anti-PD-L1 may be improved by combining with chemotherapy in the neoadjuvant but not the adjuvant setting of treating breast cancer.
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) | 0,001 | 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 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 ».