Abstract 2182: The evolution of high grade serous ovarian cancer under the pressure of non-cytotoxic and cytotoxic treatment
Notice bibliographique
Résumé
Abstract Introduction: High-grade serous ovarian cancer (HGSOC) is driven by loss of TP53 and genome instability . Despite the recent success of PARP inhibitors, advanced BRCA mutant and homologous recombination repair deficient (HRD) HGSOC, chemotherapy remains the first line treatment. Little is known about how chemotherapy exposure alters tumor heterogeneity and subsequent response to targeted therapies. Certain mutations may survive the exposure of chemotherapy better than others. The question of whether targeted therapies should be given before or after response to chemotherapy also remains unanswered. We use the principles of natural selection to investigate how HGSOC evolves over time and selection operates on clones in the context of cytotoxic/non-cytotoxic combination therapies, and what changes in genomes/transcriptomes at the single cell level drive tumor progression. Methods: Cell lines ID8 Trp53 −/−; Brca1 −/− and WT were used to represent defective/proficient homologous recombination were given intraperitoneally to C57B6 mice to develop HGSOC models. Transfected Luciferase expression in the cells used to monitor tumor response to olaparib (Ola)+/- Bevacizumab (BEV-various doses) +/- Atezolizumab (ATz) combinations by bioluminescence imaging (BLI). Ascitic fluid and mouse organs were harvested for the evidence of seeding and identification of biomarkers. In addition, 10 treatment naïve HGSOC PDX were developed in immunodeficient mice and treated with either cisplatin or olaparib. Single-cell whole-genome sequencing (scWGS) was performed using direct library preparation (DLP+). Hierarchical clustering and Sitka are used to identify the clonal structure of each condition following treatment. Phylogenetic tree was computed using copy number data. Results: In the BRCA WT HRp study group, the greatest response was seen in the triplet Ola+BEV+ATz combinations and interestingly no significant differences were observed using a lower dose of BEV. Furthermore, from scWGS data of PDX passages we captured initial clonal heterogeneity leading to emergent clones. We found evolving copy number changes on chromosome 19, 8, 3 and loss of heterozygosity of TP53. Conclusion: The triplet combination of low-dose-intensity bevacizumab with other non-cytotoxic drugs was an effective regimen for BRCA WT syngeneic mouse tumors. In HGSOC PDX, we are able to capture diversification between HGSOC PDX passages-specifically after drug exposures. Citation Format: Farhia Kabeer, Goldman Lam, Naila Adam, Maxwell Douglas, Amal El-Naggar, Forouh Kalantari, Mengke Han, Vinci Au, Michael Van Vliet, Cindy Shen, Sean Beaty, Daniel Lai, Andy Mungall, Richard Moore, Sam Aparicio, Andrew Roth, David Huntsman, Yvette Drew. The evolution of high grade serous ovarian cancer under the pressure of non-cytotoxic and cytotoxic treatment [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2023; Part 1 (Regular and Invited Abstracts); 2023 Apr 14-19; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2023;83(7_Suppl):Abstract nr 2182.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».