MétaCan
Menu
Retour à la cohorte
Enregistrement W4405181739 · doi:10.1158/1538-8514.cancerchem24-ia007

Abstract IA007: Preclinical Approaches to Discovery and Development of Novel Combination Therapies

2024· article· en· W4405181739 sur OpenAlexaboutno aff
Jerome T. Mettetal

Notice bibliographique

RevueMolecular Cancer Therapeutics · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)Drug discoveryComputational biologyCombination therapyDiseaseMedicineComputer scienceBioinformaticsBiologyPharmacology

Résumé

récupéré en direct d'OpenAlex

Drug combinations provide an important tool to address the complexity of tumor biology, and the ability to drive deeper and more durable responses has led to many successful combination regimens in clinical use today. There are more possible novel combination regimens than can be feasibly explored clinically, and preclinical studies have become a common tool to identify and prioritize combinations partners for clinical investigation. Historically, these approaches have focused heavily on identification of synergy, however, a growing body of research is beginning to indicate that synergy may not be a key predictor of clinical utility. To better understand the role of synergy in combinations, we experimentally explored acquired resistance to combination therapies in preclinical models, and counterintuitively, find that combinations which derive activity through synergy rather than additivity can lead to less undesirable outcomes. Specifically, we find that the combinations which rely on synergy are more likely to develop resistance as well as demonstrate greater loss of combination activity upon acquisition of resistance than an equally active additive combination. We propose that instead of relying on synergy for combinations discovery, that a framework based on the 5Rs can be employed which emphasizes a more holistic view of combination rationale, development, and proposed clinical utility. We demonstrate the application of these principles to discovery of novel therapeutic agents in analysis of a large-scale pan-tumor screen, and how these factors can be used to identify novel rational combination partners linked to specific disease segments which drive activity in vivo. As more agents with novel mechanisms enter clinical development, preclinical studies will play an increasingly important role in designing combination regimens which can attack the tumor from multiple angles, leading to better activity, and present a more favorable therapeutic index. Citation Format: Jerome T. Mettetal Preclinical Approaches to Discovery and Development of Novel Combination Therapies. [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Optimizing Therapeutic Efficacy and Tolerability through Cancer Chemistry; 2024 Dec 9-11; Toronto, Ontario, Canada. Philadelphia (PA): AACR; Mol Cancer Ther 2024;23(12_Suppl):Abstract nr IA007

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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.

Tête enseignante Opus0,200
Tête enseignante GPT0,371
Écart entre enseignants0,171 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer TherapeuticsMême sujetComputational Drug Discovery MethodsTravaux en français237 207