Prediction of Chemoresistance—How Preclinical Data Could Help to Modify Therapeutic Strategy in High-Grade Serous Ovarian Cancer
Notice bibliographique
Résumé
High-grade serous ovarian cancer (HGSOC) is one of the most lethal tumors generally and the most fatal cancer of the female genital tract. The approved standard therapy consists of surgical cytoreduction and platinum/taxane-based chemotherapy, and of targeted therapy in selected patients. The main therapeutic problem is chemoresistance of recurrent and metastatic HGSOC tumors which results in low survival in the group of FIGO III/IV. Therefore, the prediction and monitoring of chemoresistance seems to be of utmost importance for the improvement of HGSOC management. This type of cancer has genetic heterogeneity with several subtypes being characterized by diverse gene signatures and disturbed peculiar epigenetic regulation. HGSOC develops and metastasizes preferentially in the specific intraperitoneal environment composed mainly of fibroblasts, adipocytes, and immune cells. Different HGSOC subtypes could be sensitive to distinct sets of drugs. Moreover, primary, metastatic, and recurrent tumors are characterized by an individual biology, and thus diverse drug responsibility. Without a precise identification of the tumor and its microenvironment, effective treatment seems to be elusive. This paper reviews tumor-derived genomic, mutational, cellular, and epigenetic biomarkers of HGSOC drug resistance, as well as tumor microenvironment-derived biomarkers of chemoresistance, and discusses their possible use in the novel complex approach to ovarian cancer therapy and monitoring.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».