MétaCan
Menu
Retour à la cohorte
Enregistrement W4280613381 · doi:10.1016/j.isci.2022.104395

Agent-based computational modeling of glioblastoma predicts that stromal density is central to oncolytic virus efficacy

2022· article· en· W4280613381 sur OpenAlexaff
Adrianne L. Jenner, Munisha Smalley, David Goldman, William F. Goins, Charles Cobbs, Ralph B. Puchalski, E. Antonio Chiocca, Sean Lawler, Paul Macklin, Aaron Goldman, Morgan Craig

Notice bibliographique

RevueiScience · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesNational Cancer Institute
Mots-clésOncolytic virusGlioblastomaStromal cellComputational biologyCancer researchVirusVirologyBiology

Résumé

récupéré en direct d'OpenAlex

tumor model developed from human glioblastoma tissue to evaluate the infiltration of herpes simplex OV rQNestin (oHSV-1) into glioblastoma tumors. We next leveraged our data to develop a computational, model of glioblastoma dynamics that accounts for cellular interactions within the tumor. Using our computational model, we found that low stromal density was highly predictive of oHSV-1 therapeutic success, suggesting that the efficacy of oHSV-1 in glioblastoma may be determined by stromal-to-tumor cell regional density. We validated these findings in heterogenous patient samples from brain metastatic adenocarcinoma. Our integrated modeling strategy can be applied to suggest mechanisms of therapeutic responses for central nervous system cancers and to facilitate the successful translation of OVs into the clinic.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,170
Score d'incertitude au seuil0,462

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 Opus0,030
Tête enseignante GPT0,304
Écart entre enseignants0,274 · 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'étudeSimulation ou modélisation
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

Citations54
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetVirus-based gene therapy researchTravaux en français237 207