The development of a rapid patient-derived xenograft model to predict chemotherapeutic drug sensitivity/resistance in malignant glial tumors
Notice bibliographique
Résumé
BACKGROUND: High-grade gliomas (HGG) are aggressive brain tumors associated with short median patient survival and limited response to therapies, driving the need to develop tools to improve patient outcomes. Patient-derived xenograft (PDX) models, such as mouse PDX, have emerged as potential Avatar platforms for personalized oncology approaches, but the difficulty for some human grafts to grow successfully and the long time required for mice to develop tumors preclude their use for HGG. METHODS: We used a rapid and efficient ex-ovo chicken embryo chorioallantoic membrane (CAM) culture system to evaluate the efficacy of oncologic drug options for HGG patients. RESULTS: Implantation of fresh glioma tissue fragments from 59 of 60 patients, that include difficult-to-grow IDH-mutated samples, successfully established CAM tumor xenografts within 7 days, with a tumor take rate of 98.3%. These xenografts faithfully recapitulate the histological and molecular characteristics of the primary tumor, and the ability of individual fragments to form tumors was predictive of poor patient prognosis. Treatment of drug-sensitive or drug-resistant xenografts indicates that the CAM-glioma assay enables testing tumor sensitivity to temozolomide and carboplatin at doses consistent with those administered to patients. In a proof-of-concept study involving 14 HGG patients, we observed a correlation of 100% between the CAM xenograft response to temozolomide or carboplatin and the clinical response of patients. CONCLUSION: The CAM-glioma model is a fast and reliable assay that has the potential to serve as a complementary model to drug discovery and a real-time Avatar platform to predict the best treatment for HGG patients.
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) | 0,000 | 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 | 0,000 |
| 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 ».