A transcriptomics approach to expand therapeutic options and optimize clinical trials in oncology
Notice bibliographique
Résumé
Background: The current model of clinical drug development in oncology displays major limitations due to a high attrition rate in patient enrollment in early phase trials and a high failure rate of drugs in phase III studies. Objective: Integrating transcriptomics for selection of patients has the potential to achieve enhanced speed and efficacy of precision oncology trials for any targeted therapies or immunotherapies. Methods: Relative gene expression level in the metastasis and normal organ-matched tissues from the WINTHER database was used to estimate in silico the potential clinical benefit of specific treatments in a variety of metastatic solid tumors. Results: As example, high mRNA expression in tumor tissue compared to analogous normal tissue of c-MET and its ligand HGF correlated in silico with shorter overall survival (OS; p < 0.0001) and may constitute an independent prognostic marker for outcome of patients with metastatic solid tumors, suggesting a strategy to identify patients most likely to benefit from MET-targeted treatments. The prognostic value of gene expression of several immune therapy targets (PD-L1, CTLA4, TIM3, TIGIT, LAG3, TLR4) was investigated in non-small-cell lung cancers and colorectal cancers (CRCs) and may be useful to optimize the development of their inhibitors, and opening new avenues such as use of anti-TLR4 in treatment of patients with metastatic CRC. Conclusion: This in silico approach is expected to dramatically decrease the attrition of patient enrollment and to simultaneously increase the speed and detection of early signs of efficacy. The model may significantly contribute to lower toxicities. Altogether, our model aims to overcome the limits of current approaches.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».