MétaCan
Menu
Retour à la cohorte
Enregistrement W2983562173 · doi:10.1016/j.bmc.2019.115209

High content phenotypic screening identifies serotonin receptor modulators with selective activity upon breast cancer cell cycle and cytokine signaling pathways

2019· article· en· W2983562173 sur OpenAlexfundno aff
Scott Warchal, John C. Dawson, Emelie Shepherd, Alison F. Munro, Rebecca E. Hughes, Ashraff Makda, Neil O. Carragher

Notice bibliographique

RevueBioorganic & Medicinal Chemistry · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilInstitute of GeneticsCancer Research UK
Mots-clésPharmacogenomicsPhenotypic screeningBiologyPersonalized medicineDrug discoveryComputational biologyBreast cancerCancerTranscriptomeBioinformaticsPhenotypePharmacologyCancer researchMedicineGene expressionGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Heterogeneity in disease mechanisms between genetically distinct patients contributes to high attrition rates in late stage clinical drug development. New personalized medicine strategies aim to identify predictive biomarkers which stratify patients most likely to respond to a particular therapy. However, for complex multifactorial diseases not characterized by a single genetic driver, empirical approaches to identifying predictive biomarkers and the most promising therapies for personalized medicine are required. In vitro pharmacogenomics seeks to correlate in vitro drug sensitivity testing across panels of genetically distinct cell models with genomic, gene expression or proteomic data to identify predictive biomarkers of drug response. However, the vast majority of in vitro pharmacogenomic studies performed to date are limited to dose-response screening upon a single viability assay endpoint. In this article we describe the application of multiparametric high content phenotypic screening and the theta comparative cell scoring method to quantify and rank compound hits, screened at a single concentration, which induce a broad variety of divergent phenotypic responses between distinct breast cancer cell lines. High content screening followed by transcriptomic pathway analysis identified serotonin receptor modulators which display selective activity upon breast cancer cell cycle and cytokine signaling pathways correlating with inhibition of cell growth and survival. These methods describe a new evidence-led approach to rapidly identify compounds which display distinct response between different cell types. The results presented also warrant further investigation of the selective activity of serotonin receptor modulators upon breast cancer cell growth and survival as a potential drug repurposing opportunity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,003
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,192
Écart entre enseignants0,184 · 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 tête enseignante, pas un consensus.

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

Citations50
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioorganic & Medicinal ChemistryMême sujetBioinformatics and Genomic NetworksTravaux en français237 207