An Epigenomic Approach to Improving Response to Neoadjuvant Cisplatin Chemotherapy in Bladder Cancer
Notice bibliographique
Résumé
Bladder cancer is among the five most common cancers diagnosed in the Western world and causes significant mortality and morbidity rates in affected patients. Therapeutic options to treat the disease in advanced muscle-invasive bladder cancer (MIBC) include cystectomy and chemotherapy. Neoadjuvant cisplatin-based combination chemotherapy is effective in MIBC; however, it has not been widely adopted by the community. One reason is that many patients do not respond to neoadjuvant chemotherapy, and no biomarker currently exists to identify these patients. It is also not clear whether a strategy to sensitize chemoresistant patients may exist. We sought to identify cisplatin-resistance patterns in preclinical models of bladder cancer, and test whether treatment with the epigenetic modifier decitabine is able to sensitize cisplatin-resistant bladder cancer cell lines. Using a screening approach in cisplatin-resistant bladder cancer cell lines, we identified dysregulated genes by RNA sequencing (RNAseq) and DNA methylation assays. DNA methylation analysis of tumors from 18 patients receiving cisplatin-based chemotherapy was used to confirm in vitro results. Cisplatin-resistant bladder cancer cells were treated with decitabine to investigate epigenetic sensitization of resistant cell lines. Our results show that HOXA9 promoter methylation status is associated with response to cisplatin-based chemotherapy in bladder cancer cell lines and in metastatic bladder cancer. Bladder cancer cells resistant to cisplatin chemotherapy can be sensitized to cisplatin by the DNA methylation inhibitor decitabine. Our data suggest that HOXA9 promoter methylation could serve as potential predictive biomarker and decitabine might sensitize resistant tumors in patients receiving cisplatin-based chemotherapy.
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) | 0,001 | 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 ».