MétaCan
Menu
Retour à la cohorte
Enregistrement W2022184484 · doi:10.2174/1381612053382205

Development of Molecular Targeted Anticancer Agents: Successes, Failures and Future Directions

2005· review· en· W2022184484 sur OpenAlexaff
Eric X. Chen, Lillian L. Siu

Notice bibliographique

RevueCurrent Pharmaceutical Design · 2005
Typereview
Langueen
DomaineMedicine
ThématiqueHER2/EGFR in Cancer Research
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesnon disponible
Mots-clésImatinibMedicineTrastuzumabMyeloid leukemiaTargeted therapyBevacizumabChronic myelogenous leukemiaClinical trialCancerBioinformaticsBreast cancerCancer researchLeukemiaImmunologyBiologyInternal medicineChemotherapy

Résumé

récupéré en direct d'OpenAlex

Recent advances in molecular biology have identified numerous steps and proteins involved in malignant transformation as targets of anticancer therapy. Many molecular targeted agents are now undergoing clinical development. Successful developments of trastuzumab in treating breast cancer, imatinib in chronic myeloid leukemia (CML) and gastrointestinal stromal tumors (GISTs), and bevacizumab in colorectal cancer, have validated the concept of molecular targeting and raised expectations of patients and oncologists alike. Despite these successes, many agents, notably matrix metalloproteinase inhibitors (MMPIs), have failed in their development. In this review, we will address several issues related to tumor biology and clinical trial design that might have contributed to these successes and failures, and discuss strategies to best optimize the development of these novel agents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,986
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,261
Tête enseignante GPT0,519
Écart entre enseignants0,259 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations20
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Pharmaceutical DesignMême sujetHER2/EGFR in Cancer ResearchTravaux en français237 207