Inhibition of FGFR Reactivates IFNγ Signaling in Tumor Cells to Enhance the Combined Antitumor Activity of Lenvatinib with Anti-PD-1 Antibodies
Notice bibliographique
Résumé
Abstract Combination therapies consisting of immune checkpoint inhibitors plus anti-VEGF therapy show enhanced antitumor activity and are approved treatments for patients with renal cell carcinoma (RCC). The immunosuppressive roles of VEGF in the tumor microenvironment are well studied, but those of FGF/FGFR signaling remain largely unknown. Lenvatinib is a receptor tyrosine kinase inhibitor that targets both VEGFR and FGFR. Here, we examine the antitumor activity of anti-PD-1 mAb combined with either lenvatinib or axitinib, a VEGFR-selective inhibitor, in RCC. Both combination treatments showed greater antitumor activity and longer survival in mouse models versus either single agent treatment, whereas anti-PD-1 mAb plus lenvatinib had enhanced antitumor activity compared with anti-PD-1 mAb plus axitinib. Flow cytometry analysis showed that lenvatinib decreased the population of tumor-associated macrophages and increased that of IFNγ-positive CD8+ T cells. Activation of FGFR signaling inhibited the IFNγ-stimulated JAK/STAT signaling pathway and decreased expression of its target genes, including B2M, CXCL10, and PD-L1. Furthermore, inhibition of FGFR signaling by lenvatinib restored the tumor response to IFNγ stimulation in mouse and human RCC cell lines. These preclinical results reveal novel roles of tumor FGFR signaling in the regulation of cancer immunity through inhibition of the IFNγ pathway, and the inhibitory activity of lenvatinib against FGFRs likely contributes to the enhanced antitumor activity of combination treatment comprising lenvatinib plus anti-PD-1 mAb. Significance: FGFR pathway activation inhibits IFNγ signaling in tumor cells, and FGFR inhibition with lenvatinib enhances antitumor immunity and the activity of anti-PD-1 antibodies.
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) | 0,002 | 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 ».