Genetic Polymorphisms in Pharmaceuticals and Chemotherapy
Notice bibliographique
Résumé
The study of genetic polymorphisms has significantly advanced the field of personalized medicine. Polymorphism of genes influence the efficacy of drugs used for treating medical conditions such as depression, cardiac diseases, thromboembolic disorders, oncological diseases, etc. The study of genetic polymorphism is beneficial for drug safety as well as for assessing therapeutic outcomes. Understanding and detecting genetic polymorphisms early on in patients can be useful in selecting the correct chemotherapeutic agent and appropriate dosage for a patient. Knowing the genetic profile of a patient and the interindividual response to various drugs significantly influences the proper selection of medication - a key step towards personalized medicine. Polymorphisms also make patients susceptible to certain cancers and identification of these polymorphisms early can be useful for a personalized treatment plan. The Genome-Wide Association Studies (GWAS) project where millions of genetic variants in the genomes of many individuals are studied to identify connections between what is present on the gene and the phenotype of the patient has enhanced the prospect of personalized medicine. GWAS has been used to identify hundreds of diseases associated to genetic polymorphisms. Individual pharmacokinetic profiles of patients to drugs enable the development of early surveillance protocols to prophylactically prevent patients from having adverse reactions. Furthermore, patient-derived cellular organoids are another advancement that allows researchers to screen for polymorphisms of the patient for adverse reactions from chemotherapy and will allow for the development of new medications that are specific to the profile of the patient's tumor. These advances have led to significant progress towards personalized medicine. The functional consequences of genetic polymorphism on cancer drugs and treatment are studied here.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».