MétaCan
Menu
Retour à la cohorte
Enregistrement W4291158189 · doi:10.3389/fonc.2022.976065

Patient-derived cancer models: Valuable platforms for anticancer drug testing

2022· review· en· W4291158189 sur OpenAlexaff
Sofia Genta, Bryan Coburn, David W. Cescon, Anna Spreafico

Notice bibliographique

RevueFrontiers in Oncology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Cells and Metastasis
Établissements canadiensToronto General HospitalPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésMedicineTumor microenvironmentClinical trialCancerDrugImmunotherapyEfficacyPreclinical testingDiseaseDrug resistanceOncologyComputational biologyCancer researchBioinformaticsPharmacologyInternal medicineMedical physicsBiology

Résumé

récupéré en direct d'OpenAlex

Molecularly targeted treatments and immunotherapy are cornerstones in oncology, with demonstrated efficacy across different tumor types. Nevertheless, the overwhelming majority metastatic disease is incurable due to the onset of drug resistance. Preclinical models including genetically engineered mouse models, patient-derived xenografts and two- and three-dimensional cell cultures have emerged as a useful resource to study mechanisms of cancer progression and predict efficacy of anticancer drugs. However, variables including tumor heterogeneity and the complexities of the microenvironment can impair the faithfulness of these platforms. Here, we will discuss advantages and limitations of these preclinical models, their applicability for drug testing and in co-clinical trials and potential strategies to increase their reliability in predicting responsiveness to anticancer medications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,929
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,168
Tête enseignante GPT0,397
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetCancer Cells and MetastasisTravaux en français237 207