TMOD-23. DYNAMIC PATTERNS OF GLIOBLASTOMA CLONAL EVOLUTION IN RESPONSE TO CHEMORADIOTHERAPY
Notice bibliographique
Résumé
Despite aggressive multimodal therapy, glioblastoma (GBM) remains incurable and inevitably relapses. Recent data have implicated intratumoral heterogeneity as the driver of therapy resistance and tumour relapse in GBM. Models that capture the evolution of GBM biology in response to standard-of-care (SoC) chemoradiotherapy will allow for the identification of cellular mechanisms that govern GBM therapy failure. In this study, we coupled cellular DNA barcoding technology with our novel patient-derived xenograft SoC model (combined temozolomide and radiation treatment) to profile the clonal evolution of GBM stem cells (GSCs) through therapy. We report the successful barcoding of patient-derived primary, treatment-naive GSCs at a single cell resolution that were expanded into clonal populations, intracranially engrafted in immune-deficient mice, and treated with SoC therapy. We performed MRI imaging to identify spatial recurrence patterns of GSCs through the in vivo chemoradiotherapy model. We then interrogated the temporal fate of clonal barcoded GSC populations through SoC therapy model to identify differential barcode selection in response to treatment. Through this, we determined dynamics patterns of a pre-existing or a therapy-driven GSC subpopulation(s) seeding GBM tumour relapse. Profiling the dynamic nature of heterogeneous GBM subpopulations through disease progression and SoC treatment may lead to the identification of the modes of therapy resistance utilized by GBM to drive disease relapse.
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 ».