MétaCan
Menu
Retour à la cohorte
Enregistrement W2587891556 · doi:10.1093/neuonc/now212.906

TMOD-37. CHARACTERIZATION OF A UNIQUE BMIC POPULATION IN HUMAN BRAIN METASTASES

2016· article· en· W2587891556 sur OpenAlexaff
Mohini Singh, Chitra Venugopal, Tomáš Tokár, Nicole McFarlane, David Bakhshinyan, Naresh Murty, John A. Hassell, Igor Jurišica, Sheila K. Singh

Notice bibliographique

RevueNeuro-Oncology · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueInfrared Thermography in Medicine
Établissements canadiensPrincess Margaret Cancer CentreMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBrain metastasisMetastasisCancer researchPrimary tumorCancerMelanomaMesenchymal stem cellBiologyPopulationPathologyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Brain Metastases (BM) are the most common neoplasm to affect the adult central nervous system, occurring at a rate 10 times greater than that of primary brain cancers. Despite the prevalence and severe lethality of BM, the current available in vivo models of metastasis neither fully recapitulate the clinical progression of BM nor allow for proper examination of metastatic cells. Not every cell within a primary tumour possess the ability to survive metastasis, and studies typical investigate large macro-metastases formed by cells that have already exited the metastatic cycle. We hypothesize that within primary tumours exists a subpopulation of CSC-like cells, termed brain metastasis-initiating cells (BMICs), which are responsible for initiating BMs. We have recently generated a novel patient-derived xenotransplantation (PDX) model of BM that allows for interrogation of each phase of the metastatic process from lung to brain, through injection of human patient-derived BMICs into immunocompromised mice. We then expanded our model to incorporate BMs from breast and melanoma primaries. BMICs were harvested from primary sites and corresponding BMs, and RNA submitted for sequencing to identify a metastatic and tissue-specific gene signatures. From our novel PDX model we were able to interrogate micro-metastasis formation, where we found BMICs to possess a unique genomic profile as compared to BMICs isolated from full primary tumors and complete macro-metastases. These BMICs exhibit increased expression of stem cell, epithelial-to-mesenchymal transition, and quiescence genes. Through in silico analysis we generated a preliminary list of therapeutics targeting these unique BMICs. Future work will identify novel therapeutics that block the metastatic process by targeting these unique BMICs, and assess the clinical utility of this novel BMIC signature in predicting BMs of different origins. Ultimately we aim to transform a uniformly fatal systemic disease into a locally controlled and eminently more treatable one.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,734
Score d'incertitude au seuil0,414

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 Opus0,019
Tête enseignante GPT0,314
Écart entre enseignants0,295 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetInfrared Thermography in MedicineTravaux en français237 207