MétaCan
Menu
Retour à la cohorte
Enregistrement W2527678564 · doi:10.1097/ppo.0000000000000219

Targeting DNA Repair

2016· review· en· W2527678564 sur OpenAlexaff
Elena Castro, Joaquı́n Mateo, David Olmos, Johann S. de Bono

Notice bibliographique

RevueThe Cancer Journal · 2016
Typereview
Langueen
DomaineMedicine
ThématiquePARP inhibition in cancer therapy
Établissements canadiensInstitute of Cancer Research
Organismes subventionnairesnon disponible
Mots-clésProstate cancerPALB2DNA repairCancer researchPoly ADP ribose polymerasePARP inhibitorCarcinogenesisHomologous recombinationSynthetic lethalityMedicineCancerGermlineBiologyPolymeraseGeneGermline mutationGeneticsInternal medicineMutation

Résumé

récupéré en direct d'OpenAlex

Several genomic studies have identified DNA repair gene defects in prostate cancer in the last 5 years. The mechanisms by which these DNA repair defects promote carcinogenesis and tumor progression in the prostate have not been fully elucidated, but their presence in at least 20-25% of metastatic castration-resistant prostate cancers (CRPCs) provides an opportunity for a therapeutic strategy that turns a tumor strength into its weakness and may lead to arguably the first molecularly stratified treatment for this disease.Poly(ADP-ribose) polymerase (PARP) inhibitors have been developed as an anticancer synthetic lethal therapeutic strategy for tumors with impaired homologous recombination DNA repair, based on a synthetic lethal effect. Poly(ADP-ribose) polymerase inhibitors have shown to induce significant tumor responses in cancer patients carrying germline BRCA1/2 mutations. Recent evidence from a phase II clinical trial supports further testing of PARP inhibitors for the treatment of metastatic CRPC with either germline or somatic defects in BRCA2, ATM, PALB2, and other DNA repair genes.We review the current evidence of how this strategy is relevant for the treatment of advanced prostate cancers, the available data from trials with PARP inhibitors in metastatic CRPC, and the ongoing studies analyzing combinations of these drugs with other therapies.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

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 Opus0,084
Tête enseignante GPT0,422
Écart entre enseignants0,338 · 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'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

Citations30
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Cancer JournalMême sujetPARP inhibition in cancer therapyTravaux en français237 207