CNSC-29. INVESTIGATING THE INFLUENCE OF DOPAMINERGIC ACTIVITY ON THE GLIOBLASTOMA NICHE
Notice bibliographique
Résumé
Abstract Glioblastoma (GBM) is an incurable disease of adults and children and the deadliest form of central nervous system (CNS) malignancy. Despite major advances in our understanding of GBM biology in recent years, the prognosis for patients who develop this disease has not improved. If we hope to find new treatments for GBM that are safe and effective, we desperately need to reform our thinking. The brain’s chemical milieu is rich with neurotransmitters, and our lab’s screen of 680 neuroactive compounds on patient-derived glioblastoma stem cells (GSCs) in vitro strongly implicates neurotransmitter pathways as critical regulators of the GSC niche. More specifically, disrupting dopamine signaling by inhibiting its receptor D4 on GSCs causes substantial GSC apoptosis in vitro and attenuates GBM growth in vivo (Dolma et al., Cancer Cell, 2016). Dopamine (DA) is a catecholamine neurotransmitter that is essential for reward learning and movement and has numerous roles in cognition. Consequentially, dysregulation of DA signaling is associated with a diversity of brain diseases ranging from drug addiction to schizophrenia to Parkinson’s. Our research aims to determine how DA signaling affects normal neural stem cell (NSC) and tumorigenic GSC populations, as we hypothesize that GSCs arising/residing in DA projection zones exploit dopaminergic (DAergic) activity for GBM growth. Toward these aims, we have developed in vivo model systems and harnessed them to study NSC and GSC niches in the context of either controlled activation or depletion of DAergic neurons. These manipulations of the brain's DAergic neurons are achieved using optogenetic stimulation, genetic depletion, and neurotoxin-mediated ablation in mice. Ultimately, unraveling the dopaminergic influence on GBM may contribute to a redeployment of existing treatments—that modulate DA signaling and are already approved to treat CNS disorders—to patients with this deadly brain cancer.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».