Non Animal Testing Database
EnglischDeutsch

Modell zur Abschätzung der Mutationslast als Prädiktor für das Ansprechen auf eine Krebsimmuntherapie

2018
National Yang-Ming University, Taipei, Taiwan
Obwohl die Wirksamkeit der Immuntherapie erwiesen ist, ist das Ansprechen auf die Behandlung von Patient zu Patient unterschiedlich. Ein Instrument zur Vorhersage des individuellen Ansprechens eines Patienten und zur Verbesserung der therapeutischen Effizienz ist die Ermittlung der spezifischen Punktmutationen des Patienten, auch Mutationslast genannt. Bisher waren die Techniken zur Bestimmung der Mutationslast zu teuer und zeitaufwändig, um in der Klinik eingesetzt zu werden. In der vorliegenden Studie haben die Forscher öffentlich zugängliche Daten aus der Krebsgenomik verwendet, um mathematische Vorhersagemodelle für die Mutationslast bei Lungenadenokarzinomen zu erstellen, die nur auf 24 Genen statt auf der Ganz-Exom-Sequenzierung basieren. Dasselbe Modell lässt sich auch für die Vorhersage der Mutationslast bei Melanomen und kolorektalem Krebs anwenden. Die geschätzte Mutationslast kann verwendet werden, um das klinische Ergebnis einer Krebsimmuntherapie mit hoher Genauigkeit vorherzusagen. Die Verwendung dieses Schätzmodells dürfte die Kosten und den Zeitaufwand für die Bewertung der Mutationslast verringern und die Vorhersage des Ansprechens auf eine Krebsimmuntherapie in der klinischen Standardumgebung erleichtern.
Mutation load estimation model as a predictor of the response to cancer immunotherapy
Yu-Chao Wang, Yi-Chen Yeh
#673
Eingestellt am: 26.07.2021
Zurück zum Seitenanfang
Englisch Deutsch

Achtung: Internet Explorer

Der Internet Explorer von Microsoft versteht keine aktuellen Scriptsprachen mehr, die neueste Haupt-Version (Version 11) ist von 2013 und wird seit 2015 nicht mehr weiterentwickelt.

Verwenden Sie deshalb aktuelle Versionen von Browser wie bspw. Google Chrome, Mozilla Firefox oder Microsoft Edge, denn nur das garantiert Ihnen ausreichend Schutz vor Infektionen und eine korrekte Darstellung von Webseiten.