MétaCan
Menu
Retour à la cohorte
Enregistrement W4392561550 · doi:10.1002/pros.24682

Defining the challenges and opportunities for using patient‐derived models in prostate cancer research

2024· review· en· W4392561550 sur OpenAlexfundno aff
W. Nathaniel Brennen, Clémentine Le Magnen, Sofia Karkampouna, Nicolás Anselmino, Nathalie Bock, Nicholas Choo, Ashlee K. Clark, Ilsa M. Coleman, Robin Dolgos, Alison Ferguson, David L. Goode, Marianna Krutihof‐de Julio, Nora M. Navone, Peter S. Nelson, Edward O’Neill, Laura H. Porter, Weranja Ranasinghe, Takuro Sunada, Elizabeth D. Williams, Lisa M. Butler, Eva Corey, Renea A. Taylor, Gail P. Risbridger, Mitchell G. Lawrence

Notice bibliographique

RevueThe Prostate · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensnon disponible
Organismes subventionnairesDOD Prostate Cancer Research ProgramNational Cancer InstituteMarshfield Clinic Research FoundationCancer Council NSWNational Health and Medical Research CouncilMedical Research CouncilJohns Hopkins UniversityProstate Cancer FoundationAdvance QueenslandTour de CureNational Science FoundationKrebsliga Beider BaselUniversitätsspital BaselAustralian GovernmentPA Research FoundationSwiss Cancer Research FoundationPancreatic Cancer UKSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungCancer Council VictoriaPartenariat Canadien Contre Le CancerCancer AustraliaNational Institutes of HealthU.S. Department of Health and Human ServicesMovember Foundation
Mots-clésProstate cancerTranslational researchStandardizationCancerMedicineProstateVariety (cybernetics)Medical physicsComputer scienceData sciencePathologyInternal medicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There are relatively few widely used models of prostate cancer compared to other common malignancies. This impedes translational prostate cancer research because the range of models does not reflect the diversity of disease seen in clinical practice. In response to this challenge, research laboratories around the world have been developing new patient-derived models of prostate cancer, including xenografts, organoids, and tumor explants. METHODS: In May 2023, we held a workshop at the Monash University Prato Campus for researchers with expertise in establishing and using a variety of patient-derived models of prostate cancer. This review summarizes our collective ideas on how patient-derived models are currently being used, the common challenges, and future opportunities for maximizing their usefulness in prostate cancer research. RESULTS: An increasing number of patient-derived models for prostate cancer are being developed. Despite their individual limitations and varying success rates, these models are valuable resources for exploring new concepts in prostate cancer biology and for preclinical testing of potential treatments. Here we focus on the need for larger collections of models that represent the changing treatment landscape of prostate cancer, robust readouts for preclinical testing, improved in vitro culture conditions, and integration of the tumor microenvironment. Additional priorities include ensuring model reproducibility, standardization, and replication, and streamlining the exchange of models and data sets among research groups. CONCLUSIONS: There are several opportunities to maximize the impact of patient-derived models on prostate cancer research. We must develop large, diverse and accessible cohorts of models and more sophisticated methods for emulating the intricacy of patient tumors. In this way, we can use the samples that are generously donated by patients to advance the outcomes of patients in the future.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,958
Score d'incertitude au seuil0,793

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,523
Tête enseignante GPT0,486
Écart entre enseignants0,036 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe ProstateMême sujetProstate Cancer Treatment and ResearchTravaux en français237 207