Abstract PR07: Identifying factors mediating response and resistance to chemotherapy through a chemical-genetic interaction map
Notice bibliographique
Résumé
Abstract Nearly every cancer patient, especially those with highly lethal and aggressive tumor types, is treated with cytotoxic chemotherapy. Currently, the selection of chemotherapy is based on average responses over a large number of patients. This belies our understanding of DNA repair that has demonstrated that the inability of a tumor cell to properly repair particular types of DNA damage has a dramatic influence on cell survival. Here, we report the generation of a quantitative chemical-genetic interaction map to chart the influence of knockdown of 625 genes on sensitivity to 30 FDA approved chemotherapeutic agents in breast epithelial cells. The resulting map highlights key genes which, when mutated or deleted in tumor cells, can dramatically induce sensitivity or resistance to particular DNA damaging agents. Interrogation of this map reveals new DNA repair factors that are recurrently deleted in breast and ovarian cancers, provides a platform for prediction of cancer cell line responses from genomic data and provides the basis for the prioritization of new drug combinations. Our data reveal that the loss of ARID1A, a key component of the SWI/SNF chromatin remodeling complex, drives resistance to cisplatin as well as PARP inhibition. Mechanistically, we uncover that ARID1A functions as a suppressor of DNA repair by homologous recombination (HR) and that its loss via mutation or deletion rescues HR in a BRCA1 independent fashion. Together, our data indicates a plethora of potential biomarkers for chemotherapy response and provides an opportunity for computational integration of chemical-genetic networks with patient genomic data to predict optimal chemotherapeutic regimes. This abstract is also being presented as Poster A14. Citation Format: Hsien-Ming Hu, Sourav Bandyopadhyay. Identifying factors mediating response and resistance to chemotherapy through a chemical-genetic interaction map [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 PR07.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».