Pharmacometabolomics reveals urinary diacetylspermine as a biomarker of doxorubicin effectiveness in triple negative breast cancer
Notice bibliographique
Résumé
Abstract Triple-negative breast cancer (TNBC) patients receive chemotherapy treatment, including doxorubicin, due to the lack of targeted therapies. Drug resistance is a major cause of treatment failure in TNBC and therefore, there is a need to identify biomarkers that determine effective drug response. Here, a pharmacometabolomics study was performed using TNBC patient-derived xenograft models to detect urinary metabolic biomarkers of doxorubicin effectiveness. Diacetylspermine was identified as a urine metabolite that robustly changed in response to effective doxorubicin treatment, which persisted after the final dose. Diacetylspermine was directly traced back to the tumor and correlated with tumor volume. Ex vivo tumor slices revealed that doxorubicin directly increases diacetylspermine production by increasing tumor spermidine/spermine N 1 -acetyltransferase 1 expression and activity, which was corroborated by elevated polyamine flux. In breast cancer patients, tumor diacetylspermine was elevated compared to matched non-cancerous tissue and increased in HER2+ and TNBC compared to ER+ subtypes. In addition, 12-hour urine diacetylspermine was associated with breast cancer tumor volume and poor tumor grade. This study describes a pharmacometabolomics strategy for identifying cancer metabolic biomarkers that indicate drug response. Our findings characterize urine diacetylspermine as a non-invasive biomarker of doxorubicin effectiveness in TNBC.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».