文献

J-GLOBAL ID：202102287537832986   整理番号：21A1151305

正確な乳癌医療をガイドするための計算癌細胞モデル【JST・京大機械翻訳】

Computational Cancer Cell Models to Guide Precision Breast Cancer Medicine

著者 (6件)： Cheng Lijun (Department of Biomedical Informatics, College of Medicine, The Ohio State University, Columbus, OH 43210, USA) ,  Majumdar Abhishek (Department of Biomedical Informatics, College of Medicine, The Ohio State University, Columbus, OH 43210, USA) ,  Stover Daniel (Department of Biomedical Informatics, College of Medicine, The Ohio State University, Columbus, OH 43210, USA) ,  Wu Shaofeng (Department of Biomedical Informatics, College of Medicine, The Ohio State University, Columbus, OH 43210, USA) ,  Lu Yaoqin (Department of Occupational and Environmental Health, School of Public Health, XinJiang Medical University, Urumqi 830011, China) ,  Li Lang (Department of Biomedical Informatics, College of Medicine, The Ohio State University, Columbus, OH 43210, USA)
資料名： Genes (Web)  (Genes (Web))
巻： 11  号： 3  ページ： 263  発行年： 2020年 
JST資料番号： U7194A  ISSN： 2073-4425  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 背景:癌細胞モデルに対する薬剤感受性の大規模スクリーニングは,in vivo細胞挙動を模倣することができ,癌に関する生物学的研究に対するより広い範囲を提供する。単一薬物または薬物併用の治療効果は個々の患者のゲノム特性と癌細胞統合反応に依存するので,多数の癌細胞モデルを用いたin vitroモデルにおける有効な薬剤の同定は標的治療の開発のための有望なアプローチである。正確な癌医学は,個々の患者の最も適切な治療または治療を選択することである。しかし,従来のin vitroがん細胞モデルと阻害剤に対する臨床患者反応との間のギャップを埋めるツールはまだ不足している。【方法】:最適2層決定システムモデルを,精密癌医学における最適治療介入のための個々の腫瘍に最も密接に似ている癌細胞を同定するために開発した。したがって,最適グリッドパラメータ選択は,薬物応答およびin vitro癌細胞薬物スクリーニングに対する患者選好に対する治療選択のための最高の一致を追求するために設計されている。最適2層決定システムモデルは,腫瘍と癌細胞の間の異種学データ比較の課題,ならびにin vitroでの薬物反応の継続的な変動と臨床診療における離散的なものを克服する。681の癌細胞mRNAおよび関連する481の薬物スクリーニングを用いてモデル精度をシミュレーションし,7つの薬剤(ドセタキセル,ドキソルビシン,フルオロウラシル,パクリタキセル,タモキシフェン,シクロホスファミド,ラピチニブ)にわたる315の乳癌患者薬物選択に関する著者らの結果を検証した。【結果】臨床患者における薬物の実際の応答と比較して,新規モデルは7つの薬物全体で90.8%以上の全体的平均一致を得た。同時に,最適癌細胞と癌薬剤の最適治療効果が推奨される。新規最適2層決定システムモデルを,それらの最適癌細胞(30の癌細胞)の推薦と特定の癌薬物の関連有効性のために,誘導精度医学における乳癌の1097人の患者に関して使用した。著者らのモデルは,個々の患者に対して最も類似した癌細胞を検出することができる。【結論】成功した臨床翻訳モデル(最適2層決定システムモデル)を,治療介入適用における臨床診療へのin vitro基礎科学の橋渡しのために初めて開発した。新しいツールは1つの石で2つの鳥を殺す。それは,個々の腫瘍に対する最適な癌細胞モデルを探すための基礎科学を助けることができ,一方,実際に臨床薬物推奨を優先する。ツール関連プラットフォームウェブサイト:著者らは,乳癌研究を45の治療予測を通して32の癌に拡大した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： mRNA ,  腫瘍 ,  *腫瘍細胞 ,  ゲノム ,  スクリーニング ,  *乳房腫瘍 ,  in vitro実験 ,  薬剤感受性 ,  オレフィン化合物 ,  フェノールエーテル ,  第三アミン ,  脂環式化合物 ,  脂肪酸 ,  芳香族カルボン酸 ,  酸素複素環化合物 ,  架橋化合物 ,  カルボン酸エステル ,  アミノアルコール ,  アミノカルボン酸 ,  第二アルコール ,  ヒドロキシ酸 ,  ヒドロキシケトン ,  ポリオール ,  アミン ,  窒素複素環化合物 ,  有機塩素化合物 ,  無機酸エステル ,  リン複素環化合物 ,  アミノ糖 ,  キノン ,  配糖体 ,  多価フェノール ,  デオキシ糖 ,  ピラノシド ,  芳香族縮合化合物 ,  有機フッ素化合物 ,  ウレア化合物 ,  ヒドロキシ化合物
準シソーラス用語： *細胞モデル ,  薬物スクリーニング , 【Automatic Indexing@JST】

著者キーワード (3件)： 薬物推奨 ,  精密癌医療 ,  癌細胞

分類 (2件)： 腫ようの実験的治療  (GE02040Y) ,  抗腫よう薬の基礎研究  (GW16010A)

物質索引 (5件)： タモキシフェン ,  パクリタキセル ,  シクロホスファミド ,  ドキソルビシン ,  フルオロウラシル

引用文献 (28件)：

• Cheng, L.; Schneider, B.P.; Li, L. A bioinformatics approach for precision medicine off-label drug drug selection among triple negative breast cancer patients. J. Am. Med Inform. Assoc. 2016, 23, 741-749.
• Sun, Y.; Zhang, W.; Chen, Y.; Ma, Q.; Wei, J.; Liu, Q. Identifying anti-cancer drug response related genes using an integrative analysis of transcriptomic and genomic variations with cell line-based drug perturbations. Oncotarget 2016, 7, 9404-9419.
• Niu, N.; Wang, L. In vitro hman cell line models to predict clinical response to anticancer drugs. Pharmacogenomics 2015, 16, 273-285.
• Berlow, N.; Haider, S.; Wan, Q.; Geltzeiler, M.; Davis, L.E.; Keller, C.; Pal, R. An integrated approach to anti-cancer drug sensitivity prediction. IEEE/ACM Trans. Comput. Biol. Bioinform. 2014, 11, 995-1008.
• Suphavilai, C.; Bertrand, D.; Nagarajan, N. Predicting Cancer Drug Response using a Recommender System. Bioinformatics 2018, 34, 3907-3914.

タイトルに関連する用語 (5件)： 乳 ,  癌医療 ,  計算 ,  癌細胞 ,  モデル