MétaCan
Menu
← Retour à la cohorte
Enregistrement W3047207404 · doi:10.1158/1538-7445.pedca19-ia27

Abstract IA27: Patient-derived organoids in pediatric cancer research

2020· article· en· W3047207404 sur OpenAlexaboutno aff
Camilla Calandrini, Frans Schutgens, Rurika Oka, Thanasis Margaritis, Tito Candelli, Luka Mathijsen, Carola M. E. Ammerlaan, Ravian van Ineveld, Sepideh Derakhshan, Lars Custers, Philip Lijnzaad, Harry Begthel, Hinri Kerstens, Maarten B. Rookmaker, Marianne C. Verhaar, Patrick Kemmeren, Ronald R. de Krijger, Kathy Pritchard‐Jones, Anne C. Rios, Marry van den Heuvel‐Eibrink, Frank C. P. Holstege, Ruben van Boxtel, Hans Clevers, Jarno Drost

Notice bibliographique

RevueCancer Research · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRenal and related cancers
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOrganoidCancerMedicineWilms' tumorCancer researchTranslational researchPediatric cancerOncologyBiologyInternal medicinePathologyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Abstract Recent advances in in vitro culture technologies, such as adult stem cell-derived organoids, have opened up new avenues for the development of novel, more physiologic human cancer models. Such preclinical models are essential for efficient translation of basic cancer research into novel treatment regimens. We succeeded in growing organoids from a range of pediatric solid tumors, including Wilms’ tumors, renal cell carcinomas, and different types of rhabdoid tumors (i.e., AT/RT, MRT). Tumor organoids retain many characteristics of parental tumor tissue. For instance, Wilms’ tumor organoids retain the cellular heterogeneity of tumors, as they are composed of an intricate network of different cell types. Moreover, we demonstrate that tumor organoids are amenable to gene editing and high-throughput drug screens. In conclusion, our pediatric cancer organoids capture disease and tissue heterogeneity and provide a platform for basic cancer research, drug screening, and personalized medicine. Citation Format: Camilla Calandrini, Frans Schutgens, Rurika Oka, Thanasis Margaritis, Tito Candelli, Luka Mathijsen, Carola Ammerlaan, Ravian van Ineveld, Sepideh Derakhshan, Lars Custers, Philip Lijnzaad, Harry Begthel, Hinri Kerstens, Maarten Rookmaker, Marianne Verhaar, Patrick Kemmeren, Ronald de Krijger, Kathy Pritchard-Jones, Anne Rios, Marry van den Heuvel-Eibrink, Frank Holstege, Ruben van Boxtel, Hans Clevers, Jarno Drost. Patient-derived organoids in pediatric cancer research [abstract]. In: Proceedings of the AACR Special Conference on the Advances in Pediatric Cancer Research; 2019 Sep 17-20; Montreal, QC, Canada. Philadelphia (PA): AACR; Cancer Res 2020;80(14 Suppl):Abstract nr IA27.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,004

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 Opus0,068
Tête enseignante GPT0,391
Écart entre enseignants0,323 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetRenal and related cancers→Travaux en français237 207→