MétaCan
Menu
Retour à la cohorte
Enregistrement W2767830059 · doi:10.1093/neuonc/nox168.193

CMET-47. PRECLINICAL VALIDATION OF NOVEL THERAPEUTICS TARGETING A BMIC POPULATION IN HUMAN BRAIN METASTASES

2017· article· en· W2767830059 sur OpenAlexaff
Mohini Singh, Chitra Venugopal, Tomáš Tokár, Nicole McFarlane, David Bakhshinyan, Maleeha Qazi, Parvez Vora, Naresh Murty, Igor Jurišica, Sheila K. Singh

Notice bibliographique

RevueNeuro-Oncology · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueBrain Metastases and Treatment
Établissements canadiensPrincess Margaret Cancer CentreMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBrain metastasisPopulationCancer researchIn vivoMedicineMetastasisTransplantationCancerIn silicoMelanomaBiologyInternal medicineGene

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, therapeutic strategies remain limited. Advancements in in vivo modelling of metastasis presents a useful platform to aid in the advance and screening of novel targeting therapeutics, though currently few models exist that properly recapitulate the clinical progression of brain metastasis. Utilizing primary patient samples of BMs, we have characterized a subpopulation of CSC-like cells, termed brain metastasis-initiating cells (BMICs), which are responsible for initiating BMs. Through injections of BMICs isolated from lung BMs into NOD-SCID mice, we have generated a novel patient-derived xeno-transplantation (PDXT) model of BM that allows for interrogation of each phase of the metastatic process from lung to brain. We then expanded our model to incorporate BMICs derived from breast and melanoma BMs. BMICs were harvested from primary sites and corresponding BMs, and RNA submitted for sequencing to identify metastatic and tissue-specific gene signatures. BMICs were found to possess a unique genomic profile as compared to BMICs isolated from full primary tumors and complete macro-metastases, exhibiting dysregulated expression in over 13,000 genes, including those involved in stem cell, epithelial-to-mesenchymal transition, and quiescence properties. In silico analysis was used to generate a list of therapeutics targeting this unique BMIC population. In vitro and in vivo screening has identified a subset of compounds with no previously known efficacy in cancer treatment that inhibits BMIC growth and metastasis. 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 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 enseignants0,002
Score d'incertitude au seuil0,008

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)0,0020,001

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 Opus0,123
Tête enseignante GPT0,431
Écart entre enseignants0,308 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetBrain Metastases and TreatmentTravaux en français237 207