MétaCan
Menu
Retour à la cohorte
Enregistrement W4412155405 · doi:10.1158/2767-9764.crc-25-0080

Modeling High-Risk Pediatric Cancers in Zebrafish to Inform Precision Therapy

2025· article· en· W4412155405 sur OpenAlexaff
Nadine Azzam, Jamie I. Fletcher, Nicole Melong, Loretta M. S. Lau, M. Emmy M. Dolman, Jie Mao, Gábor Tax, Roxanne Cadiz, Lissandra Tuzi, Alvin Kamili, Biljana Dumevska, Jinhan Xie, Jennifer A. Chan, Donna L. Senger, Stephanie A. Grover, David Malkin, Michelle Haber, Jason N. Berman

Notice bibliographique

RevueCancer Research Communications · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueZebrafish Biomedical Research Applications
Établissements canadiensUniversity of OttawaHospital for Sick ChildrenChildren's Hospital of Eastern OntarioMcGill UniversityUniversity of CalgaryOntario Institute for Cancer ResearchUniversity of TorontoDalhousie University
Organismes subventionnairesnon disponible
Mots-clésZebrafishMedicineOncologyInternal medicineBiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Despite advances in precision medicine, 30% of high-risk pediatric cancers lack an actionable molecular target, hindering effective treatment and affecting survival outcomes. Although mouse patient-derived xenograft (PDX) models offer additional insights into clinical drug responses, delivering findings from these models within a clinically actionable time frame remains challenging. This international collaboration between two national precision medicine programs demonstrates proof-of-principle that individualized larval zebrafish PDXs can robustly and rapidly assess clinical responses in high-risk pediatric cancers. Retrospective zebrafish PDX testing was performed on tumor samples from 10 pediatric patients with high-risk cancers. Drug responses in zebrafish models were correlated with clinical responses for each patient and directly compared with responses in cognate mouse PDX models. Responses to conventional and targeted therapies, administered as single agents or in combinations, were assessed. Zebrafish PDXs were successfully established from all 10 patients and provided robust drug response data in every case, including from three patients whose tumor samples could not be engrafted in mice. Remarkably, zebrafish models accurately recapitulated patient responses for 11 of 12 treatment regimens. These findings highlight the potential of larval zebrafish PDX models to provide real-time, clinically relevant drug response data, supporting their potential use in prospective precision medicine studies. SIGNIFICANCE: This proof-of-principle study is the first to compare drug responses in larval zebrafish and mouse PDX models with patient outcomes in pediatric precision oncology, showing high concordance. Results highlight the potential of zebrafish PDX models to predict drug responses in high-risk cancers more accurately, rapidly, and cost-effectively in prospective studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,754
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,068
Tête enseignante GPT0,442
Écart entre enseignants0,374 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research CommunicationsMême sujetZebrafish Biomedical Research ApplicationsTravaux en français237 207