Integrative Pharmacogenomics Analysis of Patient-Derived Xenografts
Notice bibliographique
Résumé
Abstract Identifying robust biomarkers of drug response constitutes a key challenge in precision medicine. Patient-derived tumor xenografts (PDX) have emerged as reliable preclinical models that more accurately recapitulate tumor response to chemo- and targeted therapies. However, the lack of computational tools makes it difficult to analyze high-throughput molecular and pharmacologic profiles of PDX. We have developed Xenograft Visualization & Analysis (Xeva), an open-source software package for in vivo pharmacogenomic datasets that allows for quantification of variability in gene expression and pathway activity across PDX passages. We found that only a few genes and pathways exhibited passage-specific alterations and were therefore not suitable for biomarker discovery. Using the largest PDX pharmacogenomic dataset to date, we identified 87 pathways that are significantly associated with response to 51 drugs (FDR < 0.05). We found novel biomarkers based on gene expressions, copy number aberrations, and mutations predictive of drug response (concordance index > 0.60; FDR < 0.05). Our study demonstrates that Xeva provides a flexible platform for integrative analysis of preclinical in vivo pharmacogenomics data to identify biomarkers predictive of drug response, representing a major step forward in precision oncology. Significance: A computational platform for PDX data analysis reveals consistent gene and pathway activity across passages and confirms drug response prediction biomarkers in PDX. See related commentary by Meehan, p. 4324
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».