Abstract IA20: Analyzing the cellular basis for heterogeneity in serous ovarian carcinoma
Notice bibliographique
Résumé
Abstract Serous ovarian cancer (SOC) is the leading cause of morbidity/mortality from gynecologic cancer. Current therapies increase survival, yet the majority of SOC patients die of their disease. The cancer stem cell (CSC) hypothesis holds that only a subset of tumor cells can initiate/maintain the tumor and might be more resistant to chemotherapy. In the CSC model, it should be possible to purify a stable population with the ability to generate transplantable tumors that recreate the heterogeneity of the initial malignancy. We previously reported that CD133 marks all TIC from several primary SOC, but in some cases, TIC activity is also found in the CD133– fraction. Also, the TIC phenotype is unstable in xenografts. To address whether the expression of an unidentified protein marks all TIC in SOC, we performed high-throughput flow cytometry (profiling 365 cell surface markers) and combined these analyses with mass cytometry, a transformative technology allowing examination of 35 cell surface/intracellular markers on a single cell. Analysis of 40 primary SOC samples provided further evidence for inter- and intra-patient heterogeneity. Current analyses focus on functional validation of subpopulations marked by combinations of cell surface/stem cell genes. In the course of these studies, we have generated a large cohort of SOC xenografts. Xenografts recapitulate the inter- and intra-patient heterogeneity of SOC when their gene expression and copy number profiles are compared. Indeed, they also recapitulate the patient's sensitivity to standard of care chemotherapy. These xenografts might provide a useful model l for more efficient and personalized testing of investigational drugs for SOC. Citation Format: Benjamin G. Neel. Analyzing the cellular basis for heterogeneity in serous ovarian carcinoma. [abstract]. In: Proceedings of the AACR Special Conference on Advances in Ovarian Cancer Research: From Concept to Clinic; Sep 18-21, 2013; Miami, FL. Philadelphia (PA): AACR; Clin Cancer Res 2013;19(19 Suppl):Abstract nr IA20.
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 | 0,001 | 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 ».