High-throughput drug screening identifies novel therapeutics for Low Grade Serous Ovarian Carcinoma
Notice bibliographique
Résumé
Low grade serous carcinoma (LGSOC) is a rare epithelial ovarian cancer with unique molecular characteristics compared to the more common tubo-ovarian high-grade serous ovarian carcinoma. Pivotal clinical trials guiding the management of epithelial ovarian cancer lack sufficient cases of LGSOC for meaningful subgroup analysis, hence overall findings cannot be extrapolated to rarer chemo-resistant subtypes such as LGSOC. Furthermore, there is a need for more effective therapies for the treatment of relapsed disease, as treatment options are limited. To address this, we conducted the largest quantitative high-throughput drug screening effort (n = 3436 compounds) in 12 patient-derived LGSOC cell lines and one normal ovary cell line to identify unexplored therapeutic avenues. Using a combination of high-throughput robotics, high-content imaging and novel data analysis pipelines, our data set identified 60 high and 19 moderate confidence hits which induced cancer cell specific cytotoxicity at the lowest compound dose assessed (0.1 µM). We also revealed a series of known (mTOR/PI3K/AKT) and novel (EGFR and MDM2-p53) drug classes in which LGSOC cell lines showed demonstrable susceptibility to.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».