BSCI-19. Therapeutic intervention of lung-, breast-, and melanoma-brain metastasis
Notice bibliographique
Résumé
Abstract Background The incidence of brain metastases (BM) is tenfold higher than that of primary brain tumours. BM predominantly originate from primary lung, breast, and melanoma tumours with a 90% mortality rate within one year of diagnosis, posing a large unmet clinical need to identify novel therapies against BM. Methods Using a large in-house biobank of patient-derived BM cell lines, the Singh Lab has generated murine orthotopic patient-derived xenograft models of BM and captured a “premetastatic” population of BM cells that have just seeded the brains of mice before forming clinically detectable tumours: a cell population that is impossible to detect in human patients but represents a therapeutic window wherein metastasizing cells can be targeted and eradicated before establishing clinically detectable tumours. Results RNA sequencing of pre-metastatic BM cells from all three primary tumour models with subsequent Connectivity Map analysis identified a lead compound that exhibits selective anti-BM activity in vitro. Preliminary in vivo work has shown that this lead compound reduces the tumor burden of treated mice compared to vehicle control while providing a significant survival advantage. Ongoing mechanistic investigations aim to delineate the protein target of this compound in the context of the observed selective anti-BM phenotype. Conclusion Therapeutic targeting of premetastatic BM cells could prevent the formation of BM and dramatically improve the prognosis of at-risk cancer patients.
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) | 0,001 | 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 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 ».