MétaCan
Menu
Retour à la cohorte
Enregistrement W2604825924 · doi:10.1158/1557-3125.dnarepair16-ia07

Abstract IA07: Genetic determinants of tumor development, therapy response and resistance in mouse models of BRCA-deficient breast cancer

2017· article· en· W2604825924 sur OpenAlexaboutno aff
Jos Jonkers

Notice bibliographique

RevueMolecular Cancer Research · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBRCA gene mutations in cancer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCancer researchBreast cancerCancerPARP inhibitorDNA repairSynthetic lethalityGenome instabilityCisplatinOvarian cancerMammary tumorBiologyHomologous recombinationDrug resistanceDNA damagePoly ADP ribose polymeraseMedicineGenePolymeraseGeneticsChemotherapyDNA

Résumé

récupéré en direct d'OpenAlex

Abstract Heterozygous germline mutations in BRCA1 or BRCA2 strongly predispose to development of breast and ovarian cancer (as well as other cancer types) via loss of the remaining wildtype allele. BRCA1/2-deficient cancers are defective in DNA double-strand break (DSB) repair via homologous recombination (HR) and therefore hypersensitive to DNA-damaging agents, including platinum drugs and poly(ADP-ribose) polymerase (PARP) inhibitors. However, these treatments do not result in tumor eradication and eventually resistance develops. To maximize therapeutic efficacy of these drugs and achieve durable remissions, it is important to unravel the mechanisms by which these tumors acquire resistance to platinum drugs and PARP inhibitors, in order to develop combination therapies that prevent development of resistance or re-sensitize resistant tumors. To study therapy response and resistance in a realistic in vivo setting, we have established several genetically engineered mouse models (GEMMs) and patient-derived tumor xenograft (PDX) models for BRCA-deficient breast cancer. These mice develop mammary tumors that are characterized by genomic instability and hypersensitivity to DNA-damaging agents, including platinum drugs and PARP inhibitors. Using cross-species oncogenomics and reverse genetics, we have identified several cancer genes including p53, MYC and RB as critical drivers in BRCA1-associated breast cancer. In addition, we have used these mammary tumor models for preclinical evaluation of therapy response and elucidation of mechanisms of acquired drug resistance. Using functional genetic screens, reverse genetics and genomic analysis of therapy-resistant tumors, we found that therapy response and resistance of BRCA1-deficient mammary tumors to cisplatin and the clinical PARP inhibitor olaparib is affected by several factors, including drug efflux transporter activity, type of BRCA1 founder mutation and restoration of HR repair via loss of 53BP1 or REV7. Also BRCA1 re-activation via genetic or epigenetic mechanisms contributes to therapy resistance in PDX models of BRCA1-deficient breast cancer. Importantly, pharmacokinetic or HR-related mechanisms underlie olaparib-resistance in only a fraction of BRCA1/2-deficient mammary tumors, indicating the existence of additional, unknown mechanisms. Citation Format: Jos Jonkers. Genetic determinants of tumor development, therapy response and resistance in mouse models of BRCA-deficient breast cancer [abstract]. In: Proceedings of the AACR Special Conference on DNA Repair: Tumor Development and Therapeutic Response; 2016 Nov 2-5; Montreal, QC, Canada. Philadelphia (PA): AACR; Mol Cancer Res 2017;15(4_Suppl):Abstract nr IA07.

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 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 enseignants0,234
Score d'incertitude au seuil0,734

Scores Codex et Gemma par catégorie

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

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 Opus0,056
Tête enseignante GPT0,383
Écart entre enseignants0,328 · 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.

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer ResearchMême sujetBRCA gene mutations in cancerTravaux en français237 207