Treatment of Ovarian Cancer Beyond PARP Inhibition: Current and Future Options
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
Ovarian cancer is the leading cause of gynecological cancer death. Improved understanding of the biologic pathways and introduction of poly (ADP-ribose) polymerase inhibitors (PARPi) during the last decade have changed the treatment landscape. This has improved outcomes, but unfortunately half the women with ovarian cancer still succumb to the disease within 5 years of diagnosis. Pathways of resistance to PARPi and chemotherapy have been studied extensively, but there is an unmet need to overcome treatment failure and improve outcome. Major mechanisms of PARPi resistance include restoration of homologous recombination repair activity, alteration of PARP function, stabilization of the replication fork, drug efflux, and activation of alternate pathways. These resistant mechanisms can be targeted to sensitize the resistant ovarian cancer cells either by rechallenging with PARPi, overcoming resistance mechanism or bypassing resistance pathways. Augmenting the PARPi activity by combining it with other targets in the DNA damage response pathway, antiangiogenic agents and immune checkpoint inhibitors can potentially overcome the resistance mechanisms. Methods to bypass resistance include targeting non-cross-resistant pathways acting independent of homologous recombination repair (HRR), modulating tumour microenvironment, and enhancing drug delivery systems such as antibody drug conjugates. In this review, we will discuss the first-line management of ovarian cancer, resistance mechanisms and potential strategies to overcome these.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 découle