MétaCan
Menu
Retour à la cohorte
Enregistrement W2887054120 · doi:10.1080/15384101.2018.1502567

Targeting the cell cycle in breast cancer: towards the next phase

2018· review· en· W2887054120 sur OpenAlexafffund
Kelsie L. Thu, Isabel Soria‐Bretones, TW Mak, DW Cescon

Notice bibliographique

RevueCell Cycle · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueAdvanced Breast Cancer Therapies
Établissements canadiensUniversity of TorontoPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchCampbell Family Institute for Breast Cancer Research
Mots-clésCell cycleBiologyCancerBreast cancerCancer researchCancer cellCell growthBioinformaticsGenetics

Résumé

récupéré en direct d'OpenAlex

Deregulation of the cell cycle is a hallmark of cancer that enables limitless cell division. To support this malignant phenotype, cells acquire molecular alterations that abrogate or bypass control mechanisms in signaling pathways and cellular checkpoints that normally function to prevent genomic instability and uncontrolled cell proliferation. Consequently, therapeutic targeting of the cell cycle has long been viewed as a promising anti-cancer strategy. Until recently, attempts to target the cell cycle for cancer therapy using selective inhibitors have proven unsuccessful due to intolerable toxicities and a lack of target specificity. However, improvements in our understanding of malignant cell-specific vulnerabilities has revealed a therapeutic window for preferential targeting of the cell cycle in cancer cells, and has led to the development of agents now in the clinic. In this review, we discuss the latest generation of cell cycle targeting anti-cancer agents for breast cancer, including approved CDK4/6 inhibitors, and investigational TTK and PLK4 inhibitors that are currently in clinical trials. In recognition of the emerging population of ER+ breast cancers with acquired resistance to CDK4/6 inhibitors we suggest new therapeutic avenues to treat these patients. We also offer our perspective on the direction of future research to address the problem of drug resistance, and discuss the mechanistic insights required for the successful implementation of these strategies.

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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,003

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 Opus0,045
Tête enseignante GPT0,351
Écart entre enseignants0,306 · 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

Citations201
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell CycleMême sujetAdvanced Breast Cancer TherapiesTravaux en français237 207