MétaCan
Menu
Retour à la cohorte
Enregistrement W2497846237 · doi:10.1158/1538-7445.am2016-203

Abstract 203: Single cell imaging of kinase inhibitor-induced effects in breast cancer cell lines

2016· article· en· W2497846237 sur OpenAlexaff
Caitlin E. Mills, David W. Andrews, Peter K. Sorger

Notice bibliographique

RevueCancer Research · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésSKBR3Cell cultureContext (archaeology)CellCell cycleBreast cancerCancer researchCancer cellKinaseCancerBiologyChemistryPathologyMedicineCell biologyInternal medicineBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract There is need for improved targeted therapies for the treatment of breast cancer. Kinase inhibitors are candidates to be used in this context. With the goal of uncovering specific vulnerabilities in differing cell lines, we treated five breast cancer cell lines representing triple negative (BT20, MDAMB231, and Hs578T), hormone receptor positive (MCF7), and Her2 amplified (SKBR3) disease and the non-malignant MCF10A line with a panel of 105 kinase inhibitors covering a broad range of targets. Cells were treated with doses between 0.1 and 10 μM for 24 hours, at which time they were stained with DRAQ5 (DNA) and TMRE (mitochondrial membrane potential). Live-cell images were acquired using a high throughput, confocal Opera microscope. Cell segmentation, based on the DRAQ5 staining, and feature extraction (intensity, morphology, and texture) were performed with Acapella software. Over 300 features were extracted for ∼1.5 million cells. Analytical methods have been applied to identify those treatments that induced significant changes to the cells. Over half of the kinase inhibitors queried had a significant effect within 24 hours in all cell lines at 10 μM. Cell cycle inhibitors had the most common effects across cell lines. Cell line specific effects were also uncovered, for example, MDAMB231 cells were the most sensitive to MAPK inhibitors. These, early time point, results have been compared with the effects of the same inhibitors on cell growth to better understand the mechanisms leading to cell line and pathway specific effects. Citation Format: Caitlin Mills, David Andrews, Peter Sorger. Single cell imaging of kinase inhibitor-induced effects in breast cancer cell lines. [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 203.

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 enseignants0,027
Score d'incertitude au seuil0,995

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 Opus0,027
Tête enseignante GPT0,356
Écart entre enseignants0,328 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetCancer Research and TreatmentsTravaux en français237 207