In vivo modeling of metastatic human high-grade serous ovarian cancer in mice
Notice bibliographique
Résumé
Metastasis is responsible for 90% of human cancer mortality, yet it remains a challenge to model human cancer metastasis in vivo. Here we describe mouse models of high-grade serous ovarian cancer, also known as high-grade serous carcinoma (HGSC), the most common and deadliest human ovarian cancer type. Mice genetically engineered to harbor Dicer1 and Pten inactivation and mutant p53 robustly replicate the peritoneal metastases of human HGSC with complete penetrance. Arising from the fallopian tube, tumors spread to the ovary and metastasize throughout the pelvic and peritoneal cavities, invariably inducing hemorrhagic ascites. Widespread and abundant peritoneal metastases ultimately cause mouse deaths (100%). Besides the phenotypic and histopathological similarities, mouse HGSCs also display marked chromosomal instability, impaired DNA repair, and chemosensitivity. Faithfully recapitulating the clinical metastases as well as molecular and genomic features of human HGSC, this murine model will be valuable for elucidating the mechanisms underlying the development and progression of metastatic ovarian cancer and also for evaluating potential therapies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».