Treatment-associated remodeling of the pancreatic cancer endothelium at single-cell resolution
Notice bibliographique
Résumé
Pancreatic ductal adenocarcinoma (PDAC) is one of the most treatment refractory and lethal malignancies. The diversity of endothelial cell (EC) lineages in the tumor microenvironment (TME) impacts the efficacy of antineoplastic therapies, which in turn remodel EC states and distributions. Here, we present a single-cell resolution framework of diverse EC lineages in the PDAC TME in the context of neoadjuvant chemotherapy, radiotherapy, and losartan. We analyzed a custom single-nucleus RNA-seq dataset derived from 37 primary PDAC specimens (18 untreated, 14 neoadjuvant FOLFIRINOX + chemoradiotherapy, 5 neoadjuvant FOLFIRINOX + chemoradiotherapy + losartan). A single-nucleus transcriptome analysis of 15,185 EC profiles revealed two state programs (ribosomal, cycling), four lineage programs (capillary, arterial, venous, lymphatic), and one program that did not overlap significantly with prior signatures but was enriched in pathways involved in vasculogenesis, stem-like state, response to wounding and hypoxia, and endothelial-to-mesenchymal transition (reactive EndMT). A bulk transcriptome analysis of two independent cohorts ( n = 269 patients) revealed that the lymphatic and reactive EndMT lineage programs were significantly associated with poor clinical outcomes. While losartan and proton therapy were associated with reduced lymphatic ECs, these therapies also correlated with an increase in reactive EndMT. Thus, the development and inclusion of EndMT-inhibiting drugs (e.g., nintedanib) to a neoadjuvant chemoradiotherapy regimen featuring losartan and/or proton therapy may be most effective in depleting both lymphatic and reactive EndMT populations and potentially improving patient outcomes.
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) | 0,001 | 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) | 0,000 | 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 ».