Interleukin‐33 as an early predictor of cetuximab treatment efficacy in patients with colorectal cancer
Notice bibliographique
Résumé
Abstract Background Cetuximab is used for colorectal cancer (CRC) treatment. However, the early biomarker of treatment efficacy of cetuximab has not been identified. Methods After 1 year of cetuximab treatment, patients were divided into an effective group and an ineffective group. The interleukin‐33 (IL‐33) level and the distribution of lymphatic cells in patients were investigated by analyzing the peripheral blood mononuclear cells via flow cytometry analysis and ELISA. The correlation between IL‐33 immunomodulatory effect and cetuximab treatment efficacy was determined through experiments in vivo and in vitro. Results The IL‐33 level in the peripheral blood was increased at 4 weeks after cetuximab administration of effective group, meanwhile, the osteopontin (OPN) was reduced. Whereas neither IL‐33 level nor OPN level of ineffective patients changed. In the effective group, the number of natural killer (NK) and CD8+ T cells were increased. Moreover, CD137 and CD107a expression on NK cells were higher in the effective group compared to the ineffective group. In vitro cetuximab treatment also increased the number of NK and CD8+ T cells as well as CD137 and CD107a expression upon IL‐33 stimulation. Moreover, the secretion of OPN was inhibited by IL‐33 administration in cetuximab‐treated PBMCs from the effective group patients. IL‐33 upregulated the cytotoxicity of NK cells and inhibited tumor cells growth in the effective cetuximab treatment mice. Conclusion Effective cetuximab treatment induced a change of IL‐33 and OPN at the early stage and triggered the NK cells antitumor activity. Consequently, significantly increased IL‐33 level and decreased OPN level in the peripheral blood at the early treatment are proposed as potential predictors of cetuximab treatment efficacy.
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 | 0,001 |
| 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) | 0,001 | 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 ».