Treating ER-positive breast cancer: a review of the current FDA-approved SERMs and SERDs and their mechanisms of action
Notice bibliographique
Résumé
Breast cancer is one of the most significant causes of mortality among women and the second most prevalent cancer worldwide. Estrogen receptor (ER)-positive breast cancers are the most common molecular subtype of breast cancer, comprising about 70% of breast carcinoma diagnoses worldwide. Endocrine therapy is the foremost strategy for the treatment of ER-positive breast cancer. In the United States, the Food and Drug Administration (FDA) has approved endocrine therapies for ER-positive breast cancers that include selective estrogen receptor modulators (SERMs), selective estrogen receptor downregulators/degraders (SERDs) and aromatase inhibitors (AIs). The approved SERMS, tamoxifen, toremifene and raloxifene, are the gold-standard treatments. The only FDA-approved SERD available for treating ER and hormone-positive breast cancers is fulvestrant, and various generations of AIs, including exemestane, letrozole, and anastrozole, have also received FDA approval. Herein, we review the major FDA-approved SERMs and SERDs for treating ER-positive breast cancer, focusing on their mechanisms of action. We also explore molecular events that contribute to the resistance of these drugs to endocrine therapies and combinational strategies with drugs such as cyclin-dependant kinases 4/6 (CDK4/6) inhibitors in clinical trials to combat endocrine drug resistance.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».