MétaCan
Menu
Retour à la cohorte
Enregistrement W3166368708 · doi:10.3390/ijms22126336

Inter-Metastatic Heterogeneity of Tumor Marker Expression and Microenvironment Architecture in a Preclinical Cancer Model

2021· article· en· W3166368708 sur OpenAlexafffund
Jessica Kalra, Jennifer H.E. Baker, Justin Song, Alastair H. Kyle, Andrew I. Minchinton, Marcel B. Bally

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensBC Innovation CouncilUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesBC Cancer AgencyMinistry of Education, India
Mots-clésMetastasisPathologyCancerPrimary tumorTumor microenvironmentIn vivoMedicineCancer researchEx vivoCD31Breast cancerImmunohistochemistryBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Preclinical drug development studies rarely consider the impact of a candidate drug on established metastatic disease. This may explain why agents that are successful in subcutaneous and even orthotopic preclinical models often fail to demonstrate efficacy in clinical trials. It is reasonable to anticipate that sites of metastasis will be phenotypically unique, as each tumor will have evolved heterogeneously with respect to gene expression as well as the associated phenotypic outcome of that expression. The objective for the studies described here was to gain an understanding of the tumor heterogeneity that exists in established metastatic disease and use this information to define a preclinical model that is more predictive of treatment outcome when testing novel drug candidates clinically. METHODS: Female NCr nude mice were inoculated with fluorescent (mKate), Her2/neu-positive human breast cancer cells (JIMT-mKate), either in the mammary fat pad (orthotopic; OT) to replicate a primary tumor, or directly into the left ventricle (intracardiac; IC), where cells eventually localize in multiple sites to create a model of established metastasis. Tumor development was monitored by in vivo fluorescence imaging (IVFI). Subsequently, animals were sacrificed, and tumor tissues were isolated and imaged ex vivo. Tumors within organ tissues were further analyzed via multiplex immunohistochemistry (mIHC) for Her2/neu expression, blood vessels (CD31), as well as a nuclear marker (Hoechst) and fluorescence (mKate) expressed by the tumor cells. RESULTS: Following IC injection, JIMT-1mKate cells consistently formed tumors in the lung, liver, brain, kidney, ovaries, and adrenal glands. Disseminated tumors were highly variable when assessing vessel density (CD31) and tumor marker expression (mkate, Her2/neu). Interestingly, tumors which developed within an organ did not adopt a vessel microarchitecture that mimicked the organ where growth occurred, nor did the vessel microarchitecture appear comparable to the primary tumor. Rather, metastatic lesions showed considerable variability, suggesting that each secondary tumor is a distinct disease entity from a microenvironmental perspective. CONCLUSIONS: The data indicate that more phenotypic heterogeneity in the tumor microenvironment exists in models of metastatic disease than has been previously appreciated, and this heterogeneity may better reflect the metastatic cancer in patients typically enrolled in early-stage Phase I/II clinical trials. Similar to the suggestion of others in the past, the use of models of established metastasis preclinically should be required as part of the anticancer drug candidate development process, and this may be particularly important for targeted therapeutics and/or nanotherapeutics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,195

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,364
Écart entre enseignants0,338 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetCancer Research and TreatmentsTravaux en français237 207