MétaCan
Menu
Retour à la cohorte
Enregistrement W2460878145 · doi:10.1371/journal.pone.0158034

Development of Patient Derived Xenograft Models of Overt Spontaneous Breast Cancer Metastasis: A Cautionary Note

2016· article· en· W2460878145 sur OpenAlexafffund
Marta Pàez‐Ribes, Shan Man, Ping Xu, Robert S. Kerbel

Notice bibliographique

RevuePLoS ONE · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesCure Brain Cancer FoundationCanadian Institutes of Health ResearchGeneralitat de CatalunyaCanadian Cancer Society
Mots-clésPrimary tumorBreast cancerMetastasisMedicineCancerMetastatic breast cancerCancer researchDiseaseOncologyPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Several approaches are being evaluated to improve the historically limited value of studying transplanted primary tumors derived by injection of cells from established cell lines for predicting subsequent cancer therapy outcomes in patients and clinical trials. These approaches include use of genetically engineered mouse models (GEMMs) of spontaneous tumors, or patient tumor tissue derived xenografts (PDXs). Almost all such therapy studies utilizing such models involve treatment of established primary tumors. An alternative approach we have developed involves transplanted human tumor xenografts derived from established cell lines to treat mice with overt visceral metastases after primary tumor resection. The rationale is to mimic the more challenging circumstance of treating patients with late stage metastatic disease. These metastatic models entail prior in vivo selection of heritable, phenotypically stable variants with increased aggressiveness for spontaneous metastasis; they were derived by orthotopic injection of tumor cells followed by primary tumor resection and serial selection of distant spontaneous metastases, from which variant cell lines having a more aggressive heritable metastatic phenotype were established. We attempted to adopt this strategy for breast cancer PDXs. We studied five breast cancer PDXs, with the emphasis on two, called HCI-001 and HCI-002, both derived from triple negative breast cancer patients. However significant technical obstacles were encountered. These include the inherent slow growth rates of PDXs, the rarity of overt spontaneous metastases (detected in only 3 of 144 mice), very high rates of tumor regrowths at the primary tumor resection site, the failure of the few human PDX metastases isolated to manifest a more aggressive metastatic phenotype upon re-transplantation into new hosts, and the formation of metastases which were derived from de novo mouse thymomas arising in aged SCID mice that we used for the experiments. We discuss several possible strategies that may be employed to overcome these limitations. Uncovering the basis of the failure to detect a high rate of overt spontaneous distant metastases having a heritable phenotype in PDX models may reveal new insights into the biology and treatment of advanced metastatic disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,278

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,255
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations27
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetCancer Research and TreatmentsTravaux en français237 207