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:1267
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
yhbk完成签到 ,获得积分10
1秒前
美满的金连完成签到 ,获得积分10
4秒前
11完成签到,获得积分10
5秒前
温暖囧完成签到 ,获得积分10
6秒前
Anaero完成签到,获得积分10
8秒前
午夜时分收病人完成签到,获得积分10
9秒前
朝暮完成签到 ,获得积分10
11秒前
11秒前
机智樱桃完成签到,获得积分10
11秒前
13秒前
爱笑映菡完成签到,获得积分10
13秒前
机密塔完成签到,获得积分10
13秒前
Crystal完成签到,获得积分10
13秒前
欧拉完成签到,获得积分10
13秒前
科研通AI2S应助cxw采纳,获得10
15秒前
hyperthermal1完成签到,获得积分10
15秒前
16秒前
玛卡巴卡完成签到 ,获得积分10
20秒前
21秒前
22秒前
研友_Lpa2On发布了新的文献求助10
23秒前
24秒前
26秒前
cxw发布了新的文献求助10
27秒前
DrLiu完成签到,获得积分10
27秒前
luckydog发布了新的文献求助10
27秒前
29秒前
29秒前
塵埃发布了新的文献求助15
29秒前
一点完成签到,获得积分10
30秒前
啦啦啦啦完成签到,获得积分10
31秒前
缺水哥发布了新的文献求助10
31秒前
慕青应助小趴菜采纳,获得10
31秒前
研友_ndDGVn完成签到 ,获得积分10
32秒前
鸽子汤完成签到 ,获得积分10
33秒前
轻松黄豆完成签到,获得积分20
33秒前
lily发布了新的文献求助10
34秒前
轻松黄豆发布了新的文献求助10
35秒前
研友_Lpa2On完成签到,获得积分20
35秒前
36秒前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
いちばんやさしい生化学 500
Genre and Graduate-Level Research Writing 500
The First Nuclear Era: The Life and Times of a Technological Fixer 500
岡本唐貴自伝的回想画集 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3674865
求助须知:如何正确求助?哪些是违规求助? 3229910
关于积分的说明 9787949
捐赠科研通 2940591
什么是DOI,文献DOI怎么找? 1612069
邀请新用户注册赠送积分活动 761064
科研通“疑难数据库(出版商)”最低求助积分说明 736563