MétaCan
Menu
Retour à la cohorte
Enregistrement W2895362009 · doi:10.1111/bju.14576

DNA repair defects in prostate cancer: impact for screening, prognostication and treatment

2018· review· en· W2895362009 sur OpenAlexafffund
Evan W. Warner, Steven Yip, Kim N., Alexander W. Wyatt

Notice bibliographique

RevueBritish Journal of Urology · 2018
Typereview
Langueen
DomaineMedicine
ThématiquePARP inhibition in cancer therapy
Établissements canadiensBC Cancer AgencyUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchProstate Cancer Canada
Mots-clésMedicineProstate cancerDNA repairPoly ADP ribose polymeraseDNA mismatch repairCancerPARP inhibitorCancer researchHomologous recombinationBRCA2 ProteinGermlineDNA damageGermline mutationDNA Damage RepairGeneBioinformaticsInternal medicineGeneticsPolymeraseMutationDNABiologyColorectal cancer

Résumé

récupéré en direct d'OpenAlex

Failure of effective DNA damage repair is a hallmark of cancer, but was previously underappreciated as a driver of aggressive prostate cancer. However, recent international sequencing efforts have revealed that both germline and somatic alterations within the homologous recombination and mismatch repair pathways are relatively common in lethal metastatic disease. BRCA2 gene alterations are particularly prevalent and are linked to poor prognosis as well as poor responses to systemic therapy for castration-resistant prostate cancer, although there is conflicting support for the latter. Defective DNA repair contributes to tumour heterogeneity, evolution and progression, but there are high hopes that management of this aggressive subset will be transformed by biomarker-driven use of poly-ADP ribose polymerase (PARP) inhibitors and platinum-based chemotherapy. In this review, we detail the relationship between DNA repair defects and prostate cancer, highlighting the prevalence of mutations in key genes and their controversial association with clinical outcomes.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,055
Tête enseignante GPT0,393
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

Citations40
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBritish Journal of UrologyMême sujetPARP inhibition in cancer therapyTravaux en français237 207