MétaCan
Menu
Retour à la cohorte
Enregistrement W2969552506 · doi:10.1126/scisignal.aas8779

Targeting tumor phenotypic plasticity and metabolic remodeling in adaptive cross-drug tolerance

2019· article· en· W2969552506 sur OpenAlexafffund
Aaron Goldman, Sachin Khiste, Elizaveta Freinkman, Andrew Dhawan, Biswanath Majumder, Jayanta Mondal, Anthony B. Pinkerton, Elliot O. Eton, Ragini Medhi, Vineethkrishna Chandrasekar, M. Mamunur Rahman, Takaharu Ichimura, K. S. Gopinath, Pradip K. Majumder, Mohammad Kohandel, Shiladitya Sengupta

Notice bibliographique

RevueScience Signaling · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensUniversity of WaterlooQueen's University
Organismes subventionnairesNational Cancer InstituteNatural Sciences and Engineering Research Council of CanadaBreast Cancer AllianceNational Institutes of HealthAmerican Cancer Society
Mots-clésPhenotypePhenotypic plasticityBiologyPlasticityDrugCell biologyCancer researchComputational biologyGeneticsPharmacologyGene

Résumé

récupéré en direct d'OpenAlex

phenotype to increased activity of both the glycolytic and oxidative pathways and glucose flux through the pentose phosphate pathway (PPP). When given in a specific order, a combination of taxanes, anthracyclines, and inhibitors of glucose-6-phosphate dehydrogenase (G6PD), an enzyme involved in glucose metabolism, improved survival in mouse models of breast cancer. The same sequence of the three-drug combination reduced the viability of patient breast tumor samples in an explant system. Our findings highlight a convergence between phenotypic and metabolic state transitions that confers a survival advantage to cancer cells against clinically used drug combinations. Pharmacologically targeting this convergence could overcome cross-drug tolerance and could emerge as a new paradigm in the treatment of cancer.

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: 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
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,243 · 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

Citations72
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience SignalingMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207