MétaCan
Menu
Retour à la cohorte
Enregistrement W2807088563 · doi:10.1158/2159-8290.cd-18-0349

Organoid Profiling Identifies Common Responders to Chemotherapy in Pancreatic Cancer

2018· article· en· W2807088563 sur OpenAlexaff
Hervé Tiriac, Pascal Belleau, Dannielle D. Engle, Dennis Plenker, Astrid Deschênes, Tim D.D. Somerville, Fieke E. M. Froeling, Richard A. Burkhart, Robert E. Denroche, Gun-Ho Jang, Koji Miyabayashi, C. Megan Young, Hardik J. Patel, Michelle Ma, Joseph F. LaComb, Randze Lerie D. Palmaira, Ammar A. Javed, Jasmine C. Huynh, Molly Johnson, Kanika Arora, Nicolas Robine, Minita Shah, Rashesh Sanghvi, Austin Goetz, Cinthya Y. Lowder, Laura Martello, Else Driehuis, Nicolas Lecomte, Gökçe Aşkan, Christine A. Iacobuzio–Donahue, Hans Clevers, Laura D. Wood, Ralph H. Hruban, Elizabeth D. Thompson, Andrew J. Aguirre, Brian M. Wolpin, Aaron R. Sasson, Joseph Kim, Maoxin Wu, Juan Carlos Bucobo, Peter J. Allen, Divyesh V. Sejpal, William H. Nealon, J. D. Sullivan, Jordan M. Winter, Phyllis A. Gimotty, Jean L. Grem, Dominick J. DiMaio, Jonathan M. Buscaglia, Paul M. Grandgenett, Jonathan R. Brody, Michael A. Hollingsworth, Grainne M. O’Kane, Faiyaz Notta, Edward Kim, James M. Crawford, Craig Devoe, Allyson J. Ocean, Christopher L. Wolfgang, Kenneth H. Yu, Ellen Li, Christopher R. Vakoc, Benjamin Hubert, Sandra E. Fischer, Julie M. Wilson, Richard A. Moffitt, Jennifer J. Knox, Alexander Krasnitz, Steven Gallinger, David A. Tuveson

Notice bibliographique

RevueCancer Discovery · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePancreatic and Hepatic Oncology Research
Établissements canadiensLunenfeld-Tanenbaum Research InstituteUniversity Health NetworkPrincess Margaret Cancer CentreUniversity of TorontoOntario Institute for Cancer Research
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Cancer InstituteNational Institutes of HealthLustgarten Foundation
Mots-clésPancreatic cancerMedicinePrecision medicineMalignancyOncologyChemotherapyCancerTranscriptomeGene expression profilingInternal medicineBioinformaticsCancer researchBiologyPathologyGeneGene expression

Résumé

récupéré en direct d'OpenAlex

Abstract Pancreatic cancer is the most lethal common solid malignancy. Systemic therapies are often ineffective, and predictive biomarkers to guide treatment are urgently needed. We generated a pancreatic cancer patient–derived organoid (PDO) library that recapitulates the mutational spectrum and transcriptional subtypes of primary pancreatic cancer. New driver oncogenes were nominated and transcriptomic analyses revealed unique clusters. PDOs exhibited heterogeneous responses to standard-of-care chemotherapeutics and investigational agents. In a case study manner, we found that PDO therapeutic profiles paralleled patient outcomes and that PDOs enabled longitudinal assessment of chemosensitivity and evaluation of synchronous metastases. We derived organoid-based gene expression signatures of chemosensitivity that predicted improved responses for many patients to chemotherapy in both the adjuvant and advanced disease settings. Finally, we nominated alternative treatment strategies for chemorefractory PDOs using targeted agent therapeutic profiling. We propose that combined molecular and therapeutic profiling of PDOs may predict clinical response and enable prospective therapeutic selection. Significance: New approaches to prioritize treatment strategies are urgently needed to improve survival and quality of life for patients with pancreatic cancer. Combined genomic, transcriptomic, and therapeutic profiling of PDOs can identify molecular and functional subtypes of pancreatic cancer, predict therapeutic responses, and facilitate precision medicine for patients with pancreatic cancer. Cancer Discov; 8(9); 1112–29. ©2018 AACR. See related commentary by Collisson, p. 1062. This article is highlighted in the In This Issue feature, p. 1047

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,039
Tête enseignante GPT0,391
Écart entre enseignants0,352 · 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

Citations1 094
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer DiscoveryMême sujetPancreatic and Hepatic Oncology ResearchTravaux en français237 207