Identification of Novel Therapeutic Targets in Microdissected Clear Cell Ovarian Cancers
Notice bibliographique
Résumé
Clear cell ovarian cancer is an epithelial ovarian cancer histotype that is less responsive to chemotherapy and carries poorer prognosis than serous and endometrioid histotypes. Despite this, patients with these tumors are treated in a similar fashion as all other ovarian cancers. Previous genomic analysis has suggested that clear cell cancers represent a unique tumor subtype. Here we generated the first whole genomic expression profiling using epithelial component of clear cell ovarian cancers and normal ovarian surface specimens isolated by laser capture microdissection. All the arrays were analyzed using BRB ArrayTools and PathwayStudio software to identify the signaling pathways. Identified pathways validated using serous, clear cell cancer cell lines and RNAi technology. In vivo validations carried out using an orthotopic mouse model and liposomal encapsulated siRNA. Patient-derived clear cell and serous ovarian tumors were grafted under the renal capsule of NOD-SCID mice to evaluate the therapeutic potential of the identified pathway. We identified major activated pathways in clear cells involving in hypoxic cell growth, angiogenesis, and glucose metabolism not seen in other histotypes. Knockdown of key genes in these pathways sensitized clear cell ovarian cancer cell lines to hypoxia/glucose deprivation. In vivo experiments using patient derived tumors demonstrate that clear cell tumors are exquisitely sensitive to antiangiogenesis therapy (i.e. sunitinib) compared with serous tumors. We generated a histotype specific, gene signature associated with clear cell ovarian cancer which identifies important activated pathways critical for their clinicopathologic characteristics. These results provide a rational basis for a radically different treatment for ovarian clear cell patients.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».