Predicting tumour resistance to paclitaxel and carboplatin utilising genome‐wide screening in haploid human embryonic stem cells
Notice bibliographique
Résumé
Taxanes and platinum molecules, specifically paclitaxel and carboplatin, are widely used anticancer drugs that induce cell death and serve as first-line chemotherapy for various cancer types. Despite the efficient effect of both drugs on cancer cell proliferation, many tumours have innate resistance against paclitaxel and carboplatin, which leads to inefficient treatment and poor survival rates. Haploid human embryonic stem cells (hESCs) are a novel and robust platform for genetic screening. To gain a comprehensive view of genes that affect or regulate paclitaxel and carboplatin resistance, genome-wide loss-of-function screens in haploid hESCs were performed. Both paclitaxel and carboplatin screens have yielded selected plausible gene lists and pathways relevant to resistance prediction. The effects of mutations in selected genes on the resistance to the drugs were demonstrated. Based on the results, an algorithm that can predict resistance to paclitaxel or carboplatin was developed. Applying the algorithm to the DNA mutation profile of patients' tumours enabled the separation of sensitive versus resistant patients, thus, providing a prediction tool. As the anticancer drugs arsenal can offer alternatives in case of resistance to either paclitaxel or carboplatin, an early prediction can provide a significant advantage and should improve treatment. The algorithm assists this unmet need and helps predict whether a patient will respond to the treatment and may have an immediate clinically actionable application.
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 | 0,000 | 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 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 ».