癌症治疗药物查方面的进展和挑战:综合性审查

科学领域:

• 在瘤学瘤学.
• 翻译医学是一种翻译医学.
• 药物发现 药物发现 药物发现

背景情况:

• 传统的癌症药物查试验 (二维单层,动物模型) 具有有限的翻译保真度.
• 在瘤学中,越来越需要与人类相关的,数据集成的临床前平台.
• 进展正在转向更具预测性的癌症治疗模型.

研究的目的:

• 综合和比较临床前癌症药物查策略.
• 通过使用统一的框架 (原则,优势,局限性,临床应用) 来评估传统和先进的模型.
• 为准确瘤学中选择适当的查方式提供指导.

主要方法:

• 传统测试的审查和评估 (2D单层,动物模型).
• 评估先进的临床前系统:患者衍生器官 (PDOs),患者衍生异体移植 (PDXs),芯片上的器官.
• 功能性基因组屏幕 (CRISPR/RNAi),药物基因组学和人工智能支持的建模的总结.

主要成果:

• 传统模型提供了可扩展性,但缺乏翻译忠实性.
• 先进的模型 (PDO,PDX,器官芯片) 更好地回顾人类生理学,但在吞吐量,成本和标准化方面面临挑战.
• 基因组屏幕和人工智能建模对于目标发现,抵抗映射和响应预测至关重要.

结论:

• 跨模型验证,数据协调和临床定终点对于现实世界的影响至关重要.
• 选择合适的查方式取决于研究目标,样本可用性和时间表.
• 提供实用指导,通过优化临床前查加速精确瘤学.