An Engineered Paper‐Based 3D Coculture Model of Pancreatic Cancer to Study the Impact of Tissue Architecture and Microenvironmental Gradients on Cell Phenotype
Notice bibliographique
Résumé
The spatial configuration of cells in the tumor microenvironment (TME) affects both cancer and fibroblast cell phenotypes contributing to the clinical challenge of tumor heterogeneity and therapeutic resistance. This is a particular challenge in stroma-rich pancreatic ductal adenocarcinoma (PDAC). Here, a versatile system is described to study the impact of tissue architecture on cell phenotype using PDAC as a model system. This fully human system encompassing both primary pancreatic stellate cells and primary organoid cells using the TRACER platform to allow the creation of user-defined TME architectures that have been inferred from clinical PDAC samples and are analyzed by CyTOF to characterize cells extracted from the system. High dimensional characterization using CyTOF demonstrates that tissue architecture leads to distinct hypoxia and proliferation gradients. Furthermore, phenotypic markers for both cell types are also graded in ways that cannot be explained by either hypoxia or coculture alone. This demonstrates the importance of using complex models encompassing cancer cells, stromal cells, and allowing control over architecture to explore the impact of tissue architecture on cell phenotype. It is anticipated that this model will help decipher how tissue architecture and cell interactions regulate cell phenotype and hence cellular and tissue heterogeneity.
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 ».