A drug-screening platform based on organotypic cultures identifies vulnerabilities to prevent local relapse and treat established brain metastasis
Notice bibliographique
Résumé
Abstract Exclusion of brain metastases from clinical trials is a major cause of the limited therapeutic options for this growing population of cancer patients. Here, we report a medium-throughput drug-screening platform (METPlatform) based on organotypic cultures that allows to evaluate inhibitors against metastases growing in situ . By applying this approach to brain metastasis, we identified several hits from a library of FDA approved inhibitors and others being tested in clinical trials. A blood-brain barrier permeable HSP90 inhibitor showed high potency against mouse and human brain metastases at clinically relevant stages of the disease, including a novel model of local relapse after neurosurgery. Furthermore, in situ proteomic analysis applied to organotypic cultures with metastases treated with the chaperone inhibitor revealed novel biomarkers in human brain metastasis and actionable mechanisms of resistance. Our work validates METPlatform as a potent resource for metastasis research integrating drug-screening and unbiased omic approaches that is fully compatible with human samples. We envision that METPlatform could be established as a clinically relevant strategy to personalize the management of metastatic disease in the brain and elsewhere. Summary Systemic spread of cancer continues to be the key aspect associated with lethality. In this publication, Zhu et al. describes a drug-screening platform specifically designed to study vulnerabilities of metastasis when colonizing secondary organs and demonstrates its value in difficult-to-treat brain metastasis using new models and patient-derived samples.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».