A Precision Medicine Approach to Optimize Modulator Therapy for Rare CFTR Folding Mutants
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Trikafta, a triple-combination drug, consisting of folding correctors VX-661 (tezacaftor), VX-445 (elexacaftor) and the gating potentiator VX-770 (ivacaftor) provided unprecedented clinical benefits for patients with the most common cystic fibrosis (CF) mutation, F508del. Trikafta indications were recently expanded to additional 177 mutations in the CF transmembrane conductance regulator (CFTR). To minimize life-long pharmacological and financial burden of drug administration, if possible, we determined the necessary and sufficient modulator combination that can achieve maximal benefit in preclinical setting for selected mutants. To this end, the biochemical and functional rescue of single corrector-responsive rare mutants were investigated in a bronchial epithelial cell line and patient-derived human primary nasal epithelia (HNE), respectively. The plasma membrane density of P67L-, L206W- or S549R-CFTR corrected by VX-661 or other type I correctors was moderately increased by VX-445. Short-circuit current measurements of HNE, however, uncovered that correction comparable to Trikafta was achieved for S549R-CFTR by VX-661 + VX-770 and for P67L- and L206W-CFTR by the VX-661 + VX-445 combination. Thus, introduction of a third modulator may not provide additional benefit for patients with a subset of rare CFTR missense mutations. These results also underscore that HNE, as a precision medicine model, enable the optimization of mutation-specific modulator combinations to maximize their efficacy and minimize life-long drug exposure of CF patients.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle