Pharmacogenomic discovery of genetically targeted cancer therapies optimized against clinical outcomes
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
Despite the clinical success of dozens of genetically targeted cancer therapies, the vast majority of patients with tumors caused by loss-of-function (LoF) mutations do not have access to these treatments. This is primarily due to the challenge of developing a drug that treats a disease caused by the absence of a protein target. The success of PARP inhibitors has solidified synthetic lethality (SL) as a means to overcome this obstacle. Recent mapping of SL networks using pooled CRISPR-Cas9 screens is a promising approach for expanding this concept to treating cancers driven by additional LoF drivers. In practice, however, translating signals from cell lines, where these screens are typically conducted, to patient outcomes remains a challenge. We developed a pharmacogenomic (PGx) approach called "Clinically Optimized Driver Associated-PGx" (CODA-PGX) that accurately predicts genetically targeted therapies with clinical-stage efficacy in specific LoF driver contexts. Using approved targeted therapies and cancer drugs with available real-world evidence and molecular data from hundreds of patients, we discovered and optimized the key screening principles predictive of efficacy and overall patient survival. In addition to establishing basic technical conventions, such as drug concentration and screening kinetics, we found that replicating the driver perturbation in the right context, as well as selecting patients where those drivers are genuine founder mutations, were key to accurate translation. We used CODA-PGX to screen a diverse collection of clinical stage drugs and report dozens of novel LoF genetically targeted opportunities; many validated in xenografts and by real-world evidence. Notable examples include treating STAG2-mutant tumors with Carboplatin, SMARCB1-mutant tumors with Oxaliplatin, and TP53BP1-mutant tumors with Etoposide or Bleomycin.
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) | 0,000 | 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