Targeting DNA repair in lung cancer with PARP inhibitors
Notice bibliographique
Résumé
Lung cancer is a global burden affecting millions of individuals worldwide. Projections indicate a substantial rise in incidence by 2045, with an estimated increase of 131% in males and 105% in females, respectively. Although many therapies are approved for treating lung cancers, the development of acquired resistance to current anti-cancer therapies is a current clinical challenge. This highlights the urgent need for the identification of new biomarkers and the development of novel therapies to further improve treatment outcomes in patients with lung cancer. The emergence of Poly (ADP-ribose) polymerase PARP inhibitors (PARPis) as novel agents in cancer treatment has become a recent focus of research. Although these drugs are approved for other cancer types, such as prostate, ovarian, pancreatic, and breast cancer, they have yet to be approved for use in lung cancer patients. Studies using in vitro, in vivo, and 3D models have shown that PARPis hold promise for targeting lung cancer cells by blocking PARP function in DNA repair pathways. Key challenges associated with the clinical use of PARPis include toxicity and the development of resistance mechanisms. This review aims to critically examine the clinical relevance of PARPis in the context of lung cancer, with a focus on their mechanisms of action, drug interactions, dosing considerations, preclinical and clinical research findings, and the principal limitations hindering their therapeutic efficacy, particularly resistance mechanisms.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,002 |
| 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 ».