MétaCan
Menu
Retour à la cohorte
Enregistrement W2485994046 · doi:10.1158/1538-7445.am2016-4177

Abstract 4177: Dynamic visualization of cancer cell engraftment into immune compromised zebrafish

2016· article· en· W2485994046 sur OpenAlexaff
John C. Moore, Qin Tang, Nora Torres Yordán, Timothy S. Mulligan, Finola E. Moore, Riadh Lobbardi, Ashwin Ramakrishnan, Anthony Anselmo, Ruslan I. Sadreyev, Jason N. Berman, Robert Liwski, Brant M. Weinstein, John F. Rawls, David M. Langenau

Notice bibliographique

RevueCancer Research · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueZebrafish Biomedical Research Applications
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésZebrafishBiologyImmune systemCancer researchT cellRecombination-activating geneTransplantationCell biologyCellImmunologyGeneGeneticsMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Cell transplantation into immune compromised mice has transformed our understanding of cancer and is now the gold standard for assessing therapeutic responses in vivo. However, mouse models are expensive and engraftment is often difficult to visualize directly. To overcome these challenges, we have developed immune compromised zebrafish (ICZ) in the transparent casper background using genome editing techniques. We have successfully targeted genes required for immune cell function and are well known to cause immune deficiency in human and mice. To date, we have developed homozygous viable mutants for recombination-activating gene 2 (rag2), DNA-dependent protein kinase (prkdc), janus kinase 3 (jak3), interleukin 2 receptor gamma (Il2rg), zeta-chain (TCR) associated protein kinase 70 (zap70), and forkhead box N1 (foxn1/nude). Gene expression analysis of marrow cells using RNAseq has identified novel transcript changes correlated with loss of specific cell types, and in conjunction with large-scale single cell transcriptional profiling, has identified specific cellular defects associated with T, B, and NK cell loss. For example, homozygous prkdc (SCID) mutant fish lack mature T and B cells, but have intact NK cell signaling. By contrast, il2rg-deficient zebrafish lack T and NK cells. Importantly, these ICZ models accurately recapitulate known human severe combined immune deficiencies and established mouse models that are commonly used for cell transplantation. Thus, it is not unexpected that a subset of zebrafish mutants have reduced immune cell function, permitting engraftment of normal hematopoietic and muscle satellite cells from allogeneic donors. Additionally, we have demonstrated robust and persistent engraftment of fluorescently labeled leukemia, rhabdomyosarcoma, neuroblastoma, and melanoma from a wide range of zebrafish strains. Because mutations have been created in optically-clear, casper-strain zebrafish and cancers are fluorescently labeled, we now have unprecedented access to directly visualize tumor cells at single cell resolution in live animals. To date, we have optimized our models to visualize neovascularization, intratumoral cell heterogeneity, clonal evolution and metastisis. The ability to transplant non-immune matched cell types will likely revolutionize the types and scale of cell transplantation experiments performed in the zebrafish and will likely permit engraftment of mouse and human cells into compound mutant ICZ models in the near future. Citation Format: John C. Moore, Qin Tang, Nora Torres Yordan, Timothy Mulligan, Finola E. Moore, Riadh Lobbardi, Ashwin Ramakrishnan, Anthony Anselmo, Ruslan Sadreyev, Jason Berman, Robert Liwski, Brant Weinstein, John Rawls, David M. Langenau. Dynamic visualization of cancer cell engraftment into immune compromised zebrafish. [abstract]. In: Proceedings of the 107th Annual Meeting of the American Association for Cancer Research; 2016 Apr 16-20; New Orleans, LA. Philadelphia (PA): AACR; Cancer Res 2016;76(14 Suppl):Abstract nr 4177.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,025
Tête enseignante GPT0,407
Écart entre enseignants0,383 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetZebrafish Biomedical Research ApplicationsTravaux en français237 207