Defining the challenges and opportunities for using patient‐derived models in prostate cancer research
Notice bibliographique
Résumé
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 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 | 0,099 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,005 | 0,007 |
| Intégrité de la recherche | 0,005 | 0,013 |
| 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 ».