MétaCan
Menu
← Retour à la cohorte
Enregistrement W1998534698 · doi:10.1093/jnci/djn481

From Human to Mouse and Back: 'Tumorgraft' Models Surge in Popularity

2008· article· en· W1998534698 sur OpenAlexaboutno aff
K. Garber

Notice bibliographique

RevueJNCI Journal of the National Cancer Institute · 2008
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopularityCancerMedicineLung cancerCancer drugsReputationWork (physics)OncologyInternal medicinePolitical scienceLawEngineering

Résumé

récupéré en direct d'OpenAlex

Mouse xenograft models of cancer, understandably, have a terrible reputation. Although researchers and companies routinely use these human tumors in mice for preclinical drug testing, individual models poorly predict how drugs will act in the clinic. Retrospective reviews published by the National Cancer Institute in 2001 and the National Cancer Institute of Canada in 2003 came to the same conclusion: Drugs that work against cancer in xenograft mice rarely work in people with the same tumor, with the exception of lung and possibly ovarian cancer. “There's this mantra: ‘Xenografts don’t predict for human effects,’” said Peter Houghton , Ph.D., a cancer researcher at the St. Jude Children's Research Hospital in Memphis, Tenn. But not all xenograft models poorly predict drug effects. In direct transfer, or “explant,” xenografts, recently dubbed “tumorgrafts,” tumors taken from patients are chopped into fragments slightly smaller than a pencil eraser and implanted directly into immunodeficient, or “nude,” mice. (Standard xenografts use permanent cell lines, not primary tumors, as the source of tumor material.) In several retrospective studies, drug effects in such mice closely mirror human effects when differences in drug activity between species are taken into account. “They work extremely well, as long as you factor in the drug systemic exposure,” Houghton said.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,055

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0020,002
Intégrité de la recherche0,0030,009
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,311
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
DomaineMéthodes
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations134
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJNCI Journal of the National Cancer Institute→Même sujetCancer Genomics and Diagnostics→Travaux en français237 207→