Cytotoxic Effects of Sorafenib, Lapatinib, and Bevacizumab, Alone and in Combination, on Medullary Thyroid Carcinoma Cells
Notice bibliographique
Résumé
Background: Medullary thyroid carcinoma is a rare neuroendocrine tumor with limited therapeutic options, as current kinase inhibitors are often associated with significant toxicity and drug resistance. This study aimed to explore novel treatment strategies by testing targeted agents alone and in combination. Methods: Human medullary thyroid carcinoma TT cells with RET mutations were treated with Sorafenib, Lapatinib, and Bevacizumab. Cell proliferation was monitored in real time using the xCELLigence system, and apoptosis was assessed by flow cytometry. Results: Sorafenib and Lapatinib each showed strong, dose-dependent cytotoxic effects, with Lapatinib demonstrating the greatest potency. Bevacizumab alone exhibited minimal cytotoxic activity, but when combined with Sorafenib or Lapatinib it significantly enhanced their effects, even at concentrations that were only partially effective individually. The Lapatinib–Bevacizumab combination produced the most potent inhibition of cell viability, comparable to high-dose monotherapy. Conclusions: These findings suggest that combining kinase inhibitors with Bevacizumab may enhance antitumor activity, allow the use of lower drug doses, and overcome resistance, representing a promising therapeutic strategy for medullary thyroid carcinoma that warrants further investigation in clinical settings.
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 | 0,000 |
| 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 ».