Tumor regression mediated by oncogene withdrawal or erlotinib stimulates infiltration of inflammatory immune cells in EGFR mutant lung tumors
Notice bibliographique
Résumé
BACKGROUND: Epidermal Growth Factor Receptor (EGFR) tyrosine kinase inhibitors (TKIs) like erlotinib are effective for treating patients with EGFR mutant lung cancer; however, drug resistance inevitably emerges. Approaches to combine immunotherapies and targeted therapies to overcome or delay drug resistance have been hindered by limited knowledge of the effect of erlotinib on tumor-infiltrating immune cells. METHODS: Using mouse models, we studied the immunological profile of mutant EGFR-driven lung tumors before and after erlotinib treatment. RESULTS: We found that erlotinib triggered the recruitment of inflammatory T cells into the lungs and increased maturation of alveolar macrophages. Interestingly, this phenotype could be recapitulated by tumor regression mediated by deprivation of the EGFR oncogene indicating that tumor regression alone was sufficient for these immunostimulatory effects. We also found that further efforts to boost the function and abundance of inflammatory cells, by combining erlotinib treatment with anti-PD-1 and/or a CD40 agonist, did not improve survival in an EGFR-driven mouse model. CONCLUSIONS: Our findings lay the foundation for understanding the effects of TKIs on the tumor microenvironment and highlight the importance of investigating targeted and immuno-therapy combination strategies to treat EGFR mutant lung 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 | 0,001 | 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 ».