Abstract 94: DrugPath: A web database for academic investigators to identify drugs that match oncology molecular targets
Notice bibliographique
Résumé
Abstract High-throughput genomics can identify oncology molecular targets, but translation into novel therapeutics requires access to relevant drugs. Pharmaceutical pipeline databases, such as MedTRACK (www.medtrack.com), can identify such drugs, but these databases are geared for commercial operations and present significant cost barriers to non-profit academic research. We have developed the DrugPath database (www.drugpath.org) as a comprehensive, free-of-charge resource for academic investigators. DrugPath can identify drugs within the cancer pipeline that may act against molecular targets of interest. DrugPath searchable data include names and mechanisms of drugs in the oncology pipeline (organized by clinical trial phase and route of administration), drug sponsor, and also tested combinations with other drugs. Drugs and drug sponsors are initially identified from ClinicalTrials.gov, biotech company websites, and other online resources; specific pipeline information is extracted by DrugPath personnel according to written protocols. PERL scripts to automate a portion of the data mining are being developed, although manual verification will remain to ensure data accuracy and relevance. The website is authored in XHTML and PHP, and content is stored in a MySQL database. We compared the extent of the DrugPath database to that of MedTRACK. DrugPath covers more than 475 companies, or 50% of 938 companies with oncology therapeutics in development as identified by MedTRACK. A search of DrugPath for inhibitors of VEGF, a well-established target, yielded 58 lead drug candidates (17% of 332 drugs identified by MedTRACK) from 45 total companies (47% of 95 companies identified by MedTRACK). A search for Hsp90 inhibitors yielded 15 companies (78% of 19 in MedTRACK) and 17 lead drug candidates (30% of 56 in MedTRACK), and a search for aurora kinase inhibitors yielded 17 companies (94% of 18 in MedTRACK) and 17 lead drug candidates (70% of 24 in MedTRACK). Ongoing efforts to populate the DrugPath database are focused on identifying drug development programs for emerging drug targets rather than expanding existing coverage of drug candidates against well-known targets. To support the end-goal of DrugPath–to facilitate obtaining drugs for academic research–DrugPath contains contact information (when available) for each company to assist with the process of developing material transfer agreements (MTAs). This database should be useful to academic investigators studying particular molecular targets and also to clinical investigators seeking to develop novel clinical trials. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 101st Annual Meeting of the American Association for Cancer Research; 2010 Apr 17-21; Washington, DC. Philadelphia (PA): AACR; Cancer Res 2010;70(8 Suppl):Abstract nr 94.
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 | 0,005 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,009 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,108 | 0,095 |
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 ».