Abstract PO-052: Exploring patient derived xenografts based pharmacogenomic data for precision oncology
Notice bibliographique
Résumé
Abstract Preclinical cancer models play a vital role in oncology research and precision medicine. Patient-derived tumor xenografts (PDXs) are used as reliable preclinical models for studying tumor biology and for testing anti-cancer therapies that are tailored according to genomic characteristics of tumors. Several academic groups, research institutes, and commercial organizations are generating and distributing PDX models. However the distributed nature of PDX model generation and lack of central repository make it challenging to find PDX models with specific characteristics. Furthermore this also hinders meta-analysis (across datasets) of PDX pharmacogenomic data. International consortia and catalogs of PDX models such as PDXNet, EurOPDX and PDXFinder are being developed to standardize PDX associated metadata and facilitate material sharing. Recently we have developed Xenograft Visualization & Analysis (Xeva), an open-source software package in R programming language. Xeva allows PDX growth curve visualization, different response metrics computation and biomarker discovery. Extending to this we have developed XevaDB, a database of PDX drug response and genomic profiles. XevaDB is the first resource to allow concurrent visualization of drug response and associated molecular data such as mutation and copy number alterations. Furthermore XevaDB enables exploration of the tumor growth curve of a PDX model, along with corresponding control. XevaDB contains PDXs from >600 individual patients, spanning across nine different tissue types and >70 drugs. Using XevaDB, we have performed meta-analysis of PDX pharmacogenomic data and have identified 90 pathways significantly associated with response to 53 drugs (FDR < 5%). Our results show that activity of the EGFR signaling pathway is significantly associated with erlotinib response in lung cancer PDXs. We have also found that in PDXs, response to binimetinib is associated with the MAP kinase activation pathway. XevaDB provides a comprehensive resource to search and explore PDX pharmacogenomic data. By combining drug response with genomic data of PDXs, XevaDB allows researchers to quickly find the model of interest and access the data to answer their biological questions. As PDXs based pharmacogenomic datasets continue to expand, XevaDB will facilitate easy access and analysis of this valuable data by the scientific community. Citation Format: Arvind Singh Mer, Benjamin Haibe-Kains. Exploring patient derived xenografts based pharmacogenomic data for precision oncology [abstract]. In: Proceedings of the AACR Virtual Special Conference on Artificial Intelligence, Diagnosis, and Imaging; 2021 Jan 13-14. Philadelphia (PA): AACR; Clin Cancer Res 2021;27(5_Suppl):Abstract nr PO-052.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».