Translational modeling-based evidence for enhanced efficacy of standard-of-care drugs in combination with anti-microRNA-155 in non-small-cell lung cancer
Notice bibliographique
Résumé
BACKGROUND: Elevated microRNA-155 (miR-155) expression in non-small-cell lung cancer (NSCLC) promotes cisplatin resistance and negatively impacts treatment outcomes. However, miR-155 can also boost anti-tumor immunity by suppressing PD-L1 expression. Therapeutic targeting of miR-155 through its antagonist, anti-miR-155, has proven challenging due to its dual molecular effects. METHODS: We developed a multiscale mechanistic model, calibrated with in vivo data and then extrapolated to humans, to investigate the therapeutic effects of nanoparticle-delivered anti-miR-155 in NSCLC, alone or in combination with standard-of-care drugs. RESULTS: Model simulations and analyses of the clinical scenario revealed that monotherapy with anti-miR-155 at a dose of 2.5 mg/kg administered once every three weeks has substantial anti-cancer activity. It led to a median progression-free survival (PFS) of 6.7 months, which compared favorably to cisplatin and immune checkpoint inhibitors. Further, we explored the combinations of anti-miR-155 with standard-of-care drugs, and found strongly synergistic two- and three-drug combinations. A three-drug combination of anti-miR-155, cisplatin, and pembrolizumab resulted in a median PFS of 13.1 months, while a two-drug combination of anti-miR-155 and cisplatin resulted in a median PFS of 11.3 months, which emerged as a more practical option due to its simple design and cost-effectiveness. Our analyses also provided valuable insights into unfavorable dose ratios for drug combinations, highlighting the need for optimizing dose regimens to prevent antagonistic effects. CONCLUSIONS: This work bridges the gap between preclinical development and clinical translation of anti-miR-155 and unravels the potential of anti-miR-155 combination therapies in NSCLC.
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 | 0,000 | 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 | 0,000 |
| 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 ».