Development of a Potent Brain-Penetrant EGFR Tyrosine Kinase Inhibitor against Malignant Brain Tumors
Notice bibliographique
Résumé
The epidermal growth factor receptor (EGFR) is genetically altered in nearly 60% of glioblastoma tumors; however, tyrosine kinase inhibitors (TKIs) against EGFR have failed to show efficacy for patients with these lethal brain tumors. This failure is attributed to the inability of clinically tested EGFR TKIs to cross the blood–brain barrier (BBB) and achieve adequate pharmacological levels to inhibit various oncogenic forms of EGFR that drive glioblastoma. Through SAR analysis, we developed compound 5 (JCN037) from an anilinoquinazoline scaffold by ring fusion of the 6,7-dialkoxy groups to reduce the number of rotatable bonds and polar surface area and by introduction of an ortho -fluorine and meta -bromine on the aniline ring for improved potency and BBB penetration. Relative to the conventional EGFR TKIs erlotinib and lapatinib, JCN037 displayed potent activity against EGFR amplified/mutant patient-derived cell cultures, significant BBB penetration (2:1 brain-to-plasma ratio), and superior efficacy in an EGFR-driven orthotopic glioblastoma xenograft model.
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) | 0,000 | 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 | 0,001 |
| 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 ».