The Influence of Administrative Timing in Triple-Negative Breast Cancer Treatments
Notice bibliographique
Résumé
Breast cancer accounts for 25% of all cancers in Canadian women, and 15-20% of these are triple-negative breast cancers (TNBC), which have a poorer prognosis than other breast cancer subtypes. TNBC lacks expression of the estrogen receptor, progesterone receptor, and the human epidermal growth factor receptor 2 (HER2), which are common therapeutic targets in breast cancer. Due to the lack of target therapy, generalized chemotherapy treatments are used instead. The standard of care for treatment of TNBC instead consists of doxorubicin (A), cyclophosphamide (C) paclitaxel (T), and carboplatin (Carbo), that target various aspects of the cell cycle to induce cell cycle arrest. Pre-clinical models may be tested to determine how the administrative timing of ACT+Carbo may affect efficacy of treatments. The purpose of this study was to determine how the addition and timing of TNBC treatments influence cell cycle progression and how pre-clinical models can be used to optimize current ACT+Carbo treatments. MDA-MB-231 and MDA-MB-468 TNBC cells were treated with AC, T, TCarbo, or Carbo at various time points in vitro. Flow cytometry, trypan blue exclusion assay, and MTT were used to determine cell cycle progression, proliferation rate, and synergy. Casper zebrafish were used as an in vivo model. It was found that the combination pattern of T/TCarbo resulted in increased efficacy comparable to all other combinations via pre-clinical models. This information may be appliable to current TNBC treatments to improve efficacy, lower toxicity, and increase the 5-year survival rate of TNBC patients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».