Genomic analysis of genetic heterogeneity and evolution in high-grade serous ovarian carcinoma
Notice bibliographique
Résumé
Resistance to chemotherapy in ovarian cancer is poorly understood. Evolutionary models of cancer predict that, following treatment, resistance emerges either because of outgrowth of an intrinsically resistant sub-clone or evolves in residual disease under the selective pressure of treatment. To investigate genetic evolution in high-grade serous (HGS) ovarian cancers, we first analysed cell line series derived from three cases of HGS carcinoma before and after platinum resistance had developed (PEO1, PEO4 and PEO6; PEA1 and PEA2; and PEO14 and PEO23). Analysis with 24-colour fluorescence in situ hybridisation and single nucleotide polymorphism (SNP) array comparative genomic hybridisation (CGH) showed mutually exclusive endoreduplication and loss of heterozygosity events in clones present at different time points in the same individual. This implies that platinum-sensitive and -resistant disease was not linearly related, but shared a common ancestor at an early stage of tumour development. Array CGH analysis of six paired pre- and post-neoadjuvant treatment HGS samples from the CTCR-OV01 clinical study did not show extensive copy number differences, suggesting that one clone was strongly dominant at presentation. These data show that cisplatin resistance in HGS carcinoma develops from pre-existing minor clones but that enrichment for these clones is not apparent during short-term chemotherapy treatment.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».