MétaCan
Menu
Retour à la cohorte
Enregistrement W3166306390 · doi:10.1200/jco.2021.39.15_suppl.4570

Plasma exosome microRNA-155 expression in patients with metastatic renal cell carcinoma treated with immune checkpoint inhibitors: A potential biomarker of response to systemic therapy.

2021· article· en· W3166306390 sur OpenAlexaff
Maryam Soleimani, Marisa Thi, Neetu Saxena, Bernhard J. Eigl, Daniel Khalaf, Kim N., Christian Kollmannsberger, Lucia Nappi

Notice bibliographique

RevueJournal of Clinical Oncology · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensBC Cancer AgencyUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineBiomarkerNivolumabExosomeIpilimumabmicroRNAOncologyRenal cell carcinomaAxitinibInternal medicineProgressive diseaseImmune checkpointImmune systemCancerMicrovesiclesImmunotherapyCancer researchImmunologyDiseaseSunitinib

Résumé

récupéré en direct d'OpenAlex

4570 Background: The search for a reliable predictive biomarker of response to immune checkpoint-based therapy (ICBT) remains a critically unmet need in the management of metastatic renal cell carcinoma (mRCC). We sought to evaluate the biomarker potential of plasma exosome microRNAs (miRNAs) implicated in RCC and in augmentation of the tumour microenvironment (TME) for such a role. Methods: Eleven miRNAs that are over-expressed in RCC and/or immune-associated were evaluated in 40 patients with mRCC (prior to initiating ICBT) and in 30 healthy volunteers. Exosomes were extracted from 500 uL of plasma and were used for miRNAs extraction. MiRNAs expression was evaluated by RT-PCR. Cycle threshold values were normalized to miR-30-3b, and the relative quantity of the expression (RQ) was compared to those of healthy volunteers and calculated using the 2ΔΔCt method. Mann-Whitney U test was used to evaluate the expression of miRNAs between mRCC pts and healthy volunteers according to best response to first line ICBT between responders (n = 27) v non-responders (n = 13). The cut-off value of significant expression was established by Youden’s index. Responders were defined as those patients experiencing complete response, partial response or stable disease and non-responders were those who experienced progressive disease. Results: The most common first line ICBT was nivolumab + ipilimumab (n = 32), followed by pembrolizumab + axitinib (n = 5), and avelumab + axitinib (n = 3). A significantly higher expression of miRNA-1233 (median 1.85 v 0.81 p = 0.008) and miRNA-155 [miR-155] (3.69 v 0.21 p = 0.006) were found in patients compared to healthy volunteers. Higher miR-155 expression was associated with higher Fuhrman grade (p = 0.002). There was no association with other clinical prognostic factors. MiR-155 was expressed at a significantly lower level in responders than in non-responders (median 0.61 v 35.29, p = 0.042). Response rate amongst patients with low and high expression of miR-155 (RQ ≤ 2.5) was statistically different (p = 0.042) and 84.2% of the pts with low miR-155 expression responded to the treatment. Conclusions: Lower expression of miR-155 was associated with response to ICBT in patients with mRCC. Functionally, miR-155 is involved in regulation and modulation of the TME. These results underscore the need for further work in this area to elucidate the role of this and other miRNAs as biomarkers of response in mRCC.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,316
Écart entre enseignants0,293 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical OncologyMême sujetExtracellular vesicles in diseaseTravaux en français237 207