MétaCan
Menu
Retour à la cohorte
Enregistrement W3033753119 · doi:10.7554/elife.53367

Analysis of pulsed cisplatin signalling dynamics identifies effectors of resistance in lung adenocarcinoma

2020· article· en· W3033753119 sur OpenAlexaff
Jordan F. Hastings, Álvaro González-Rajal, Sharissa L. Latham, Jeremy Z. R. Han, Rachael A. McCloy, Yolande E. I. O’Donnell, Monica Phimmachanh, Alexander D. Murphy, Adnan Nagrial, Dariush Daneshvar, Venessa Chin, D. Neil Watkins, Andrew Burgess, David R. Croucher

Notice bibliographique

RevueeLife · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensUniversity of ManitobaResearch Institute in Oncology and HematologyCancerCare Manitoba
Organismes subventionnairesCancer Institute NSW
Mots-clésCisplatinLung cancerAdenocarcinomaCancer researchDrug resistanceMedicineApoptosisIn vivoLungBiologyCancerChemotherapyBioinformaticsOncologyInternal medicineGenetics

Résumé

récupéré en direct d'OpenAlex

The identification of clinically viable strategies for overcoming resistance to platinum chemotherapy in lung adenocarcinoma has previously been hampered by inappropriately tailored in vitro assays of drug response. Therefore, using a pulse model that closely mimics the in vivo pharmacokinetics of platinum therapy, we profiled cisplatin-induced signalling, DNA-damage and apoptotic responses across a panel of human lung adenocarcinoma cell lines. By coupling this data to real-time, single-cell imaging of cell cycle and apoptosis we provide a fine-grained stratification of response, where a P70S6K-mediated signalling axis promotes resistance on a TP53 wildtype or null background, but not a mutant TP53 background. This finding highlights the value of in vitro models that match the physiological pharmacokinetics of drug exposure. Furthermore, it also demonstrates the importance of a mechanistic understanding of the interplay between somatic mutations and the signalling networks that govern drug response for the implementation of any consistently effective, patient-specific therapy.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,219
Score d'incertitude au seuil0,393

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 Opus0,007
Tête enseignante GPT0,236
Écart entre enseignants0,228 · 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.

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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeLifeMême sujetCancer Genomics and DiagnosticsTravaux en français237 207