Inhibiteurs de PARP : leur rôle potentiel en monothérapie et en combinaison en cancer du sein triple-négatif
Bibliographic record
Abstract
Quatorze femmes canadiennes meurent chaque jour du cancer du sein. Le cancer du sein triple-négatif (CSTN) détient un mauvais pronostic De nombreux efforts sont fournis afin d'offrir à ces patientes des traitements ciblés, comme les inhibiteurs de poly (adenosine diphosphate-ribose) polymerase inhibitors (PARPi) afin d’améliorer leur survie et de minimiser la toxicité liée à la chimiothérapie. Le sous-groupe de CSTN qui pourrait bénéficier des PARPi reste à être identifié. De plus, différentes stratégies d'administration des PARPi et de la chimiothérapie pourraient améliorer leur efficacité thérapeutique tout en diminuant la toxicité. Nous avons précédemment dérivé une signature génétique de 63 gènes prédisant la réponse aux PARPi avec une précision globale élevée. Nos objectifs sont 1) d'évaluer les implications cliniques de la signature génétique; et 2) de déterminer la séquence optimale d'administration du talazoparib et du carboplatin in vivo en cancer du sein triple-négatif BRCAWT. D'abord, nous avons évalué la fréquence mutationnelle des 63 gènes dans différents contextes cliniques. Deux bases de données publiques furent utilisées. Puis, nous avons comparé trois cohortes de xénogreffes orthotopiques: A) talazoparib en premier, combiné au carboplatin le jour 3; carboplatin en premier suivi du talazoparib B) un jour après; et C) sept jours après. La fréquence mutationnelle des 63 gènes était élevée chez les tumeurs luminales B et celles de mauvais pronostic. Les patientes luminales B mutées avaient une moindre survie que les patientes non mutées. Aussi, l'inhibition tumorale et métastatique était similaire pour les cohortes A et B, cependant la cohorte B avait moins de toxicité. Les PARPi pourraient avoir un rôle chez les tumeurs luminales B et celles de mauvais pronostic. Deuxièmement, le prétraitement avec le carboplatin semble améliorer la sensibilité au talazoparib et diminuer la toxicité.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".