已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Using patient-derived organoids to predict locally advanced or metastatic lung cancer tumor response: A real-world study

肺癌 医学 类有机物 肿瘤科 精密医学 内科学 癌症 靶向治疗 化疗 病理 生物 遗传学
作者
Han-Min Wang,Chan-Yuan Zhang,Kai‐Cheng Peng,Ze-Xin Chen,Junwei Su,Yufa Li,Wenfeng Li,Qing-Yun Gao,Shiling Zhang,Yuqing Chen,Qing Zhou,Cong Xu,Chong‐Rui Xu,Zhen Wang,Jian Su,Hong‐Hong Yan,Xu‐Chao Zhang,Hua‐Jun Chen,Yi‐Long Wu,Jin‐Ji Yang
出处
期刊:Cell reports medicine [Elsevier BV]
卷期号:4 (2): 100911-100911 被引量:174
标识
DOI:10.1016/j.xcrm.2022.100911
摘要

Predicting the clinical response to chemotherapeutic or targeted treatment in patients with locally advanced or metastatic lung cancer requires an accurate and affordable tool. Tumor organoids are a potential approach in precision medicine for predicting the clinical response to treatment. However, their clinical application in lung cancer has rarely been reported because of the difficulty in generating pure tumor organoids. In this study, we have generated 214 cancer organoids from 107 patients, of which 212 are lung cancer organoids (LCOs), primarily derived from malignant serous effusions. LCO-based drug sensitivity tests (LCO-DSTs) for chemotherapy and targeted therapy have been performed in a real-world study to predict the clinical response to the respective treatment. LCO-DSTs accurately predict the clinical response to treatment in this cohort of patients with advanced lung cancer. In conclusion, LCO-DST is a promising precision medicine tool in treating of advanced lung cancer.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
4秒前
情怀应助爱晴海采纳,获得10
4秒前
Orange应助Keats采纳,获得10
5秒前
淡定的冬寒完成签到,获得积分10
6秒前
7秒前
minbio发布了新的文献求助10
7秒前
风筝鱼完成签到 ,获得积分10
9秒前
9秒前
iii发布了新的文献求助10
10秒前
narcol完成签到,获得积分10
11秒前
爱晴海完成签到,获得积分10
12秒前
刘奕完成签到 ,获得积分10
13秒前
漂亮的孤丹完成签到 ,获得积分10
13秒前
14秒前
minbio完成签到,获得积分20
16秒前
爱晴海发布了新的文献求助10
16秒前
bluebell发布了新的文献求助10
18秒前
在水一方应助111采纳,获得30
19秒前
Guozixin完成签到 ,获得积分10
20秒前
鲁啊鲁完成签到 ,获得积分10
25秒前
科目三应助caixk采纳,获得10
29秒前
30秒前
31秒前
Hellochem完成签到,获得积分20
34秒前
Kallie发布了新的文献求助10
36秒前
酷波er应助科研通管家采纳,获得50
36秒前
36秒前
37秒前
科研通AI6.1应助行走的sci采纳,获得10
37秒前
chen发布了新的文献求助10
37秒前
ranj完成签到,获得积分10
39秒前
caixk发布了新的文献求助10
42秒前
乐乐乐乐乐乐完成签到 ,获得积分10
43秒前
大胆路人完成签到 ,获得积分10
43秒前
一二完成签到 ,获得积分10
45秒前
Kallie完成签到,获得积分10
46秒前
废废废完成签到,获得积分10
49秒前
所所应助Hellochem采纳,获得10
49秒前
静翕完成签到 ,获得积分10
52秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
The Graphene Handbook (2019 Edition) 800
Adhesion Science: Principles & Practice 800
Signals, Systems, and Signal Processing 610
IEST-RP-CC018: Cleanroom Cleaning and Sanitization: Operating and Monitoring Procedures 600
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 600
久松真一著作集〈第5巻〉禅と芸術 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 物理 内科学 复合材料 催化作用 物理化学 光电子学 电极 细胞生物学 基因 无机化学
热门帖子
关注 科研通微信公众号,转发送积分 6534447
求助须知:如何正确求助?哪些是违规求助? 8327781
关于积分的说明 17839390
捐赠科研通 5636105
什么是DOI,文献DOI怎么找? 2934362
邀请新用户注册赠送积分活动 1910712
关于科研通互助平台的介绍 1769161