Clinically relevant oral cancer model for serum proteomic eavesdropping on the tumour microenvironment.
Notice bibliographique
Résumé
BACKGROUND: Serum proteomics has enormous potential in the identification of biomarkers and the development of new therapies for oral cancer. Current efforts are limited by the lack of a control subject. The human-mouse chimeric model offers a solution. OBJECTIVES: To develop and test two orthotopic xenograft mouse models of human oral squamous cell carcinoma for research in serum proteomics. METHODS: Advanced human oral cancer from three patients was implanted orthotopically into the tongues of 19 SCID and 4 RAG2/gamma(c) knockout (KO) mice. Adjacent normal tissue from each patient was also implanted into nine SCID and 4 RAG2/gamma(c) KO mice. The models were compared for tissue take, the presence of metastasis, and histologic invasiveness. Mouse serum was preserved for studies in serum proteomics. RESULTS: Tumour tissue was successfully implanted into SCID and RAG2/gamma(c) mice, and the invasiveness was confirmed pathologically. Three of the control mice demonstrated the persistence of normal tissue more than 1 month after implantation. This is the first time that this has been reported. The larger size of the RAG2/gamma(c) KO mouse facilitated serum collection for serum proteomics. CONCLUSIONS: Both RAG2/gamma(c) KO and SCID mouse are able to reliably engraft human oral cancer. Engraftment of normal oral tissue was less reliable. This is the first in vivo model allowing identification of proteins released from the tumour microenvironment.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».