MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416760347 · doi:10.21037/tcr-2025-1962

Combining anti-metabolic treatments with the repurposing of eribulin for glioblastoma: a clinical opportunity?

2025· letter· en· W4416760347 sur OpenAlexaff
Étienne Audet‐Walsh, Lucas Galey, Samuele Renzi, Nadine Morin, Samer M. I. Hussein, Maxime Richer, Marc‐Étienne Huot

Notice bibliographique

RevueTranslational Cancer Research · 2025
Typeletter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésEribulinRepurposingDrug repositioningClinical trial

Résumé

récupéré en direct d'OpenAlex

Glioblastoma (GBM) can either develop de novo or through progression from clinically silent low-grade gliomas or diffuse infiltrating astrocytomas, which usually develop throughout childhood and slowly expand through young adulthood.In most cases, this devastating disease has a high risk of recurrence and morbidity, which mostly affects young adults (1,2).Aggressive treatment typically involves initial maximal surgical resection, followed by radiotherapy with concomitant and maintenance temozolomide (TMZ), in combination with bevacizumab (3).However, once developed, the infiltrative and recurrent nature of GBM accounts for post-chemo/radiotherapy failures and a short median survival (less than 15 months) (1-3).Consequently, there is an urgent need to develop new therapies to improve the survival and the quality of life of GBM patients.In their recent study, Alcântara et al. studied the impact of eribulin on glioma and GBM cells (4).Eribulin is a drug commonly used for breast cancer chemotherapy (5).This drug is known to efficiently inhibit microtubule polymerization in numerous cancer cells, and the authors tested if it could be repurposed for GBM treatment.To this end, they used several cell lines in vitro, including HOG, T98G, U87MG, U251MG, and U138MG.While low nM concentrations of eribulin were highly efficient in some cell lines, reducing, for example, cell viability <95% in HOG cells, heterogeneity was observed with some cell

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0200,016
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,102
Tête enseignante GPT0,428
Écart entre enseignants0,326 · 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'étudeSans objet
Domainenon disponible
GenreCommentaire

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
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueTranslational Cancer Research→Même sujetCancer, Hypoxia, and Metabolism→Travaux en français237 207→