MétaCan
Menu
Retour à la cohorte
Enregistrement W2502154102 · doi:10.1158/1538-7445.am2016-3767

Abstract 3767: Highly effective inhibitory agent identified by high-throughput screening of genetically characterized anaplastic thyroid cancer cell lines

2016· article· en· W2502154102 sur OpenAlexaff
Nicole Pinto, Morgan Black, Kara M. Ruicci, John Yoo, Danielle MacNeil, Kevin Fung, Alessandro Datti, Stephenie D. Prokopec, Paul C. Boutros, J. Barrett, Anthony C. Nichols

Notice bibliographique

RevueCancer Research · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer-related Molecular Pathways
Établissements canadiensLunenfeld-Tanenbaum Research InstituteOntario Institute for Cancer ResearchLondon Health Sciences CentreWestern University
Organismes subventionnairesnon disponible
Mots-clésAnaplastic thyroid cancerCancerCancer researchCell cultureCell growthApoptosisPharmacologyKinaseMedicineThyroid cancerInternal medicineBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction While most types of thyroid cancer are treatable, anaplastic thyroid cancer (ATC) is the most lethal human malignancy. Current treatment strategies are largely ineffective with only 10% of patients surviving longer than one year. As such, new treatments are desperately needed to improve patient survival in this aggressive cancer. Objective Identify highly effective drugs using high-throughput screening methods with a large panel of kinase inhibitors that can be used in the treatment of ATC. Methods High-throughput screening (HTS) of 13 genetically characterized ATC cell lines was carried out over a 6-dose range using 320 kinase inhibitors. Dose-response curves were generated and drugs with high potency were identified. Drugs with the highest activity were selected for further evaluation including investigating mechanism of action and cell death, and assays for migration and invasion. Results Based on HTS studies, Lestaurtinib was identified as a highly effective agent with submicromolar mean inhibitory concentrations in all 13 ATC cell lines. Lestaurtinib was found to inhibit STAT5 phosphorylation, as well as cell line migration and invasion. The anti-proliferative effect of Lestaurtinib did not cause apoptosis, autophagy or cell senescence. Conclusions With the use of HTS, we have identified many (>20) kinase inhibitors as highly effective agents in the control of ATC. The kinase inhibitor Lestaurtinib was effective at controlling ATC cell proliferation, invasion and migration. Future in vivo analysis of Lestaurtinib with patient-derived xenografts are planned to continue preclinical development of this drug with the ultimate goal of improving outcomes for patients suffering with ATC. Citation Format: Nicole C. Pinto, Morgan Black, Kara Ruicci, John Yoo, Danielle MacNeil, Kevin Fung, Alessandro Datti, Stephenie Prokopec, Paul Boutros, John Barrett, Anthony Nichols. Highly effective inhibitory agent identified by high-throughput screening of genetically characterized anaplastic thyroid cancer cell lines. [abstract]. In: Proceedings of the 107th Annual Meeting of the American Association for Cancer Research; 2016 Apr 16-20; New Orleans, LA. Philadelphia (PA): AACR; Cancer Res 2016;76(14 Suppl):Abstract nr 3767.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,035
Tête enseignante GPT0,345
Écart entre enseignants0,310 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetCancer-related Molecular PathwaysTravaux en français237 207