Abstract P3-08-09: Development and molecular characterization of hard-to-treat breast cancer pre-clinical models to enhance precision medicine
Notice bibliographique
Résumé
Abstract Invasive breast carcinoma is a combination of heterogeneous diseases with distinct molecular and clinical features. Some subsets of breast cancer present major clinical challenges, including triple-negative, metastatic/recurrent disease and rare breast histologies. Previously, we developed a unique resource of 37 hard-to-treat breast cancer patient-derived xenografts (PDX). This set included mainly triple negative breast cancer (TNBC) patients that presented poor response to neoadjuvant chemotherapies (Savage et al. 2020 - PMID: 32546838). PDXs accurately reproduce the molecular heterogeneity of the primary tumors and show that multi-drug chemoresistance was retained upon xenotransplantation. Here, we present the characterization of PDX 3-dimensional cultures organoids (8) and PDX derived epithelial cell lines (11). Using single-cell RNAseq we showed that an organoid cultured for several passages (P8) maintained the heterogeneity of the matched PDX. Although in different proportions, all cancer cell populations found in the PDX were retained in matched organoids supporting that organoids are suitable models that recapitulates the tumor heterogeneity and are therefore a suitable model for drug screening. Among our new PDXs models (30), we have developed four PDXs from rare metaplastic breast cancers (MpBC), an aggressive subtype of breast cancer that present the poorest response to standard of care chemotherapy. We also developed one male breast cancer PDX with matched organoid. Omic analysis on our pre-clinical models and patient primary tumor and metastasis will inform development of therapeutic opportunities. This molecular information will guide selection of compounds that will be validated using our high throughput organoid drug screening pipeline. This will allow rapid screens of thousands of approved drugs, enhancing drug repurposing with potential for rapid clinical translation. The combined use of 3D tumor organoids and PDXs, is an important opportunity poised to transform identification of new therapeutic options for hard-to-treat lethal breast cancers. Citation Format: Hellen Kuasne, Anne-Marie fortier, Sandrine Busque, Simon Mathien, Paul Savage, Constanza Martinez Ramirez, Anie Monast, Margarita Soleinova, Atilla Omeroglu, Jamil Asselah, Nathaniel Bouganim, Sarkis Meterissian, Mark Basik, Morag Park. Development and molecular characterization of hard-to-treat breast cancer pre-clinical models to enhance precision medicine [abstract]. In: Proceedings of the 2022 San Antonio Breast Cancer Symposium; 2022 Dec 6-10; San Antonio, TX. Philadelphia (PA): AACR; Cancer Res 2023;83(5 Suppl):Abstract nr P3-08-09.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».