Optimizing safety of cisplatin treatment: Utilizing pharmacogenomics to prevent nephrotoxicity
Notice bibliographique
Résumé
Personalized cisplatin therapy could be of great potential to minimize the risk of side effects, especially nephrotoxicity without compromising its antineoplastic effect. It remains unclear if genetic factors can predict the risk of nephrotoxicity among cisplatin users. The primary objective of this thesis is to identify and validate genetic variants that could assist the prevention and management of cisplatin-induced nephrotoxicity through candidate gene studies and GWAS. The secondary objective is to identify strategies to minimize cisplatin-induced nephrotoxicity through modification of cisplatin dosing and optimization of co-medication selection. Part 1 of the thesis addresses the impact of genetic variations on cisplatin nephrotoxicity. The studies demonstrate that genetic predisposition could be important in the development of cisplatin-induced nephrotoxicity. These results warrant further replication effort, functional and pharmacokinetic/dynamic validation to reveal the mechanistic basis on how genetic variants may involve in cisplatin-induced nephrotoxicity. In the future, comprehensive assessment on cisplatin toxicities combined with an integration of cisplatin’s systems pharmacology and multi-omics cancer analysis could pave promising opportunities for individualized platinum selection and targeted organ protection including kidney. Part 2 explores the possibility of stratification and modification of cisplatin therapy to minimize nephrotoxicity without compromising its effectiveness. Modification of cisplatin dose and intensity, as well as optimization of standard co-medication such as 5-HT3 receptor antagonist antiemetics, could potentially minimize the risk of cisplatin-induced kidney injury without waiving its effectiveness. Further evidence from controlled trials and observational studies will strengthen the body of evidence to assess such potentially affordable prevention of cisplatin-induced nephrotoxicity.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».