High-throughput screening using patient-derived tumor xenografts to predict clinical trial drug response

医学 临床试验 模式 肿瘤科 人口 临床前试验 治疗方式 生物信息学 药品 功效 药物开发 临床研究设计 药理学 计算生物学 内科学 医学物理学 生物 环境卫生 社会学 社会科学
作者
Hui Gao,Joshua M. Korn,Stéphane Ferretti,John E. Monahan,Youzhen Wang,Mallika Singh,Chao Zhang,Christian Schnell,Guizhi Yang,Yun Zhang,O. Alejandro Balbin,Stéphanie Barbé,Hongbo Cai,Fergal Casey,Susmita Chatterjee,Derek Y. Chiang,Shannon Chuai,Shawn Cogan,Scott D. Collins,Ernesta Dammassa
出处
期刊:Nature Medicine [Nature Portfolio]
卷期号:21 (11): 1318-1325 被引量:1435
标识
DOI:10.1038/nm.3954
摘要

Profiling candidate therapeutics with limited cancer models during preclinical development hinders predictions of clinical efficacy and identifying factors that underlie heterogeneous patient responses for patient-selection strategies. We established ∼1,000 patient-derived tumor xenograft models (PDXs) with a diverse set of driver mutations. With these PDXs, we performed in vivo compound screens using a 1 × 1 × 1 experimental design (PDX clinical trial or PCT) to assess the population responses to 62 treatments across six indications. We demonstrate both the reproducibility and the clinical translatability of this approach by identifying associations between a genotype and drug response, and established mechanisms of resistance. In addition, our results suggest that PCTs may represent a more accurate approach than cell line models for assessing the clinical potential of some therapeutic modalities. We therefore propose that this experimental paradigm could potentially improve preclinical evaluation of treatment modalities and enhance our ability to predict clinical trial responses.
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
1234qwer完成签到,获得积分10
1秒前
5秒前
yoooooooo完成签到,获得积分10
5秒前
俏皮冰露完成签到,获得积分10
6秒前
Focus_BG完成签到,获得积分10
7秒前
四叶草哦完成签到,获得积分10
15秒前
dwdwdw完成签到 ,获得积分10
21秒前
无情的山雁完成签到 ,获得积分10
25秒前
zhang完成签到,获得积分10
25秒前
sci完成签到 ,获得积分10
32秒前
南城完成签到 ,获得积分10
37秒前
四叶草完成签到 ,获得积分10
38秒前
科研鱼完成签到 ,获得积分10
39秒前
44秒前
雪落你看不见完成签到,获得积分10
45秒前
努力发布了新的文献求助10
49秒前
lhn完成签到 ,获得积分10
54秒前
tszjw168完成签到 ,获得积分0
54秒前
54秒前
Lin完成签到 ,获得积分10
57秒前
cdercder应助点点采纳,获得10
1分钟前
科研猫完成签到,获得积分10
1分钟前
李y梅子完成签到 ,获得积分10
1分钟前
wanci应助科研通管家采纳,获得10
1分钟前
丘比特应助科研通管家采纳,获得10
1分钟前
111完成签到,获得积分10
1分钟前
娅娃儿完成签到 ,获得积分10
1分钟前
d_fishier完成签到 ,获得积分10
1分钟前
xixixi完成签到 ,获得积分10
1分钟前
沐偶完成签到,获得积分10
1分钟前
1分钟前
屿森完成签到 ,获得积分10
1分钟前
乐乐应助努力采纳,获得10
1分钟前
Copyright应助朱洪帆采纳,获得10
1分钟前
whuhustwit完成签到,获得积分10
1分钟前
1分钟前
1分钟前
wuqs发布了新的文献求助10
1分钟前
Lzk完成签到,获得积分10
1分钟前
1分钟前
高分求助中
Principles of Economics, 11th Edition 10000
University Physics with Modern Physics, 16th edition 10000
(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
48V Low-voltage Power Distribution Network (PDN) Architecture Industry Report, 2024 800
ズームレンズの光学設計に関する研究 800
Fundamentals of Pharmaceutical and Biologics Regulations: A Global Perspective, Second Edition 700
Matrix Methods in Data Mining and Pattern Recognition Second Edition 610
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 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7298296
求助须知:如何正确求助?哪些是违规求助? 8916642
关于积分的说明 18879477
捐赠科研通 6963240
什么是DOI,文献DOI怎么找? 3210642
关于科研通互助平台的介绍 2379958
邀请新用户注册赠送积分活动 2187125