Abstract 2734: Integrating hybrid spatiotemporal models and multiscale data for the study of cancer progression in 3D cultures
Notice bibliographique
Résumé
Abstract Tumour progression consists of various stages including migration to the surrounding tissues, leading to metastasis [1]. In this work, we investigate the multiscale quantitative characteristics of the spatial organization and migration of cancer in 3D cultures. For this study, we combined 3D cell culture experiments of Triple Negative Breast Cancer (TNBC) cells, hybrid spatiotemporal models, and longitudinal RNA-sequencing data analysis. The experiments included two experimental conditions; simple growth experiments, and experiments of growth in presence of the migrastatic drug Paclitaxel. The spatial distributions of the cells enabled us to calibrate and validate a hybrid Keller-Segel model, incorporated into a novel computational framework capable of interpreting the relation between morphological patterns and the underlying mechanisms of cancer growth [2]. The RNA-seq data included different time-points with and without treatment. The results suggested that cancer cells exhibited biased movement towards the bottom of the space, a movement that was inhibited in the presence of Paclitaxel. The calibrated model was able to describe the overall characteristics of the experimental observations, and suggested that cancer cells exhibited chemotactic migration and cell accumulation, as well as random motion throughout the period of development. The spatial pattern analysis revealed transient, non-random spatial distributions of cancer cells that consisted of clustered patterns across a wide range of neighbourhood distances, as well as dispersion for larger distances. The RNA-seq data exhibited coherence with the chemotactic migration hypothesis of the mathematical model, indicating significant under-representation of the Gene Ontology (GO) terms related to chemotactic migration in presence of the migrastatic drug. Overall, this study provided an insightful quantitative characterization of the spatiotemporal organization and progression of TNBC cells in 3D cultures. We anticipate that these developments will enable us to expand our studies to more realistic conditions, including the introduction of heterogeneic cell populations. References [1] Friedl, P., Locker, J., Sahai, E., & Segall, J. E. (2012). Classifying collective cancer cell invasion.Nature Cell Biology, 14(8), 777-783. [2] Dimitriou, N. M., Flores-Torres, S., Kinsella, J. M., & Mitsis, G. D. (2021). Validating hybrid spatiotemporal models of tumour growth with 3D cell culture data. 3rd International Symposium on Mathematical and Computational Oncology. Citation Format: Nikolaos Dimitriou, Salvador Flores-Torres, Maria Kyriakidou, Joseph Matthew Kinsella, Georgios Mitsis. Integrating hybrid spatiotemporal models and multiscale data for the study of cancer progression in 3D cultures [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2022; 2022 Apr 8-13. Philadelphia (PA): AACR; Cancer Res 2022;82(12_Suppl):Abstract nr 2734.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».