STEM-17. CHARACTERIZATION OF THE CELL SURFACE PROTEOME IN RECURRENT GLIOBLASTOMA INITIATING CELLS
Notice bibliographique
Résumé
Glioblastoma (GBM) is the most common and aggressive malignant primary brain tumor in humans, bearing an overwhelmingly poor prognosis and characterized by a diverse cellular phenotype and genetic heterogeneity. Despite multimodal therapy, patients on average experience relapse at 9 months and median survival rarely extends beyond 15 months. Treatment of human GBM with standard-of-care (SOC) chemo-radiotherapy invariably leads to resistance. Poor patient survival correlates with marker expression of brain tumor-initiating cells (BTICs), which are implicated in therapeutic resistance and may explain tumor relapse. Targeting the cells that drive GBM formation as well as its inevitable and rapid recurrence post-therapy has remained a major challenge, likely due to intra-tumoral heterogeneity. Proteomic profiling constitutes a promising tool to identify novel cancer targets. In this study, we have adopted a non-biased mass spectrometry approach to identify cell surface peptides isolated from patient-derived GBM BTIC lines through a glycocapture approach. We have identified proteins that are differentially expressed in recurrent GBM BTICs compared to primary GBM BTICs. Moreover, we perform comparative proteomics from recurrent GBM BTICs generated from our in vivo mouse-adapted therapy model, which has the distinct advantage of generating recurrent, treatment-refractory GBM. Our surface proteomic profiling thus provides a comprehensive network of signaling molecules selectively enriched in recurrent GBM cells. Identification of cell surface proteins that may drive treatment resistance will contribute greatly to identify novel immunotherapeutic targets for GBM.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».