Increasing Tumor Extracellular pH by an Oral Alkalinizing Agent Improves Antitumor Responses of Anti-PD-1 Antibody: Implication of Relationships between Serum Bicarbonate Concentrations, Urinary pH, and Therapeutic Outcomes
Notice bibliographique
Résumé
Acidic extracellular pH (pHe) is characteristic of the tumor microenvironment. Several reports suggest that increasing pHe improves the response of immune checkpoint inhibitors in murine models. To increase pHe, either sodium bicarbonate (NaHCO3) or citric acid/potassium-sodium citrate (KNa-cit) was chronically administered to mice. It is hypothesized that bicarbonate ions (HCO3−), produced from these alkalinizing agents in vivo, increased pHe in the tumor, and excess HCO3− eliminated into urine increased urinary pH values. However, there is little published information on the effect of changing serum HCO3− concentrations, urinary HCO3− concentrations and urinary pH values on the therapeutic outcomes of immunotherapy. In this study, we report that oral administration of either NaHCO3 or KNa-cit increased responses to anti-programmed cell death-1 (PD-1) antibody, an immune checkpoint inhibitor, in a murine B16 melanoma model. In addition, we report that daily oral administration of an alkalinizing agent increased blood HCO3− concentrations, corresponding to increasing the tumor pHe. Serum HCO3− concentrations also correlated with urinary HCO3− concentrations and urinary pH values. There was a clear relationship between urinary pH values and the antitumor effects of immunotherapy with anti-PD-1 antibody. Our results imply that blood HCO3− concentrations, corresponding to tumor pHe and urinary pH values, may be important factors that predict the clinical outcomes of an immunotherapeutic agent, when combined with alkalinizing agents such as NaHCO3 and KNa-cit.
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) | 0,000 | 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 | 0,000 |
| 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 ».