Selecting amantadine as the 3rd experimental arm for MND-SMART using a data-driven framework
Notice bibliographique
Résumé
There is a pressing need to identify effective disease modifying treatments for motor neuron disease (MND). Motor Neuron Disease-Systematic Multi-Arm Adaptive Randomised Trial (MND-SMART; NCT04302870) is a phase III multi-arm multi-stage trial testing a pipeline of candidate drugs. Building upon systematic reviews to inform initial drug selection, we aimed to develop and implement a multimodal data-driven framework to inform ongoing selection. We gathered, synthesised, integrated and reported evidence from published literature through Repurposing Living Systematic Review (ReLiSyR-MND), in vitro high throughput drug screening, pathway and network analysis, and mining drug, chemical and clinical trial registry databases. We identified candidate drugs (ReLiSyR: 303, drug screening: 287, network analysis: 1144). We longlisted 49 drugs and synthesised further evidence across domains. We shortlisted 9 drugs and selected amantadine for evaluation in MND-SMART. Amantadine showed good efficacy and safety across 59 clinical publications, reduced TDP-43 aggregates on in vitro screening and was predicted to be active on multiple targets associated with MND. Amantadine was added as the third experimental arm of MND-SMART in April 2023. We demonstrated the feasibility and synergistic benefits of a systematic, multimodal, data-driven framework to inform drug selection for MND clinical trials, with potential for application across other disease areas.
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 | 0,141 | 0,258 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,014 |
| Bibliométrie | 0,017 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».