Zebrafish Cancer Predisposition Models
Notice bibliographique
Résumé
Cancer predisposition syndromes are rare, typically monogenic disorders that result from germline mutations that increase the likelihood of developing cancer. Although these disorders are individually rare, resulting cancers collectively represent 5–10% of all malignancies. In addition to a greater incidence of cancer, affected individuals have an earlier tumor onset and are frequently subjected to long-term multi-modal cancer screening protocols for earlier detection and initiation of treatment. In vivo models are needed to better understand tumor-driving mechanisms, tailor patient screening approaches and develop targeted therapies to improve patient care and disease prognosis. The zebrafish (Danio rerio) has emerged as a robust model for cancer research due to its high fecundity, time- and cost-efficient genetic manipulation and real-time high-resolution imaging. Tumors developing in zebrafish cancer models are histologically and molecularly similar to their human counterparts, confirming the validity of these models. The zebrafish platform supports both large-scale random mutagenesis screens to identify potential candidate/modifier genes and recently optimized genome editing strategies. These techniques have greatly increased our ability to investigate the impact of certain mutations and how these lesions impact tumorigenesis and disease phenotype. These unique characteristics position the zebrafish as a powerful in vivo tool to model cancer predisposition syndromes and as such, several have already been created, including those recapitulating Li-Fraumeni syndrome, familial adenomatous polyposis, RASopathies, inherited bone marrow failure syndromes, and several other pathogenic mutations in cancer predisposition genes. In addition, the zebrafish platform supports medium- to high-throughput preclinical drug screening to identify compounds that may represent novel treatment paradigms or even prevent cancer evolution. This review will highlight and synthesize the findings from zebrafish cancer predisposition models created to date. We will discuss emerging trends in how these zebrafish cancer models can improve our understanding of the genetic mechanisms driving cancer predisposition and their potential to discover therapeutic and/or preventative compounds that change the natural history of disease for these vulnerable children, youth and adults.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,007 |
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 ».