Abstract 3615: Targeting tumor-brain crosstalk in invasive brain metastases
Notice bibliographique
Résumé
Abstract Background: An estimated 20-40% of cancer patients develop brain metastases (BrM), mostly those affected by lung cancer, breast cancer or melanoma. Unfortunately, these patients suffer from poor outcomes and diminished quality of life. Few BrM treatment options beyond local therapy exist and this is often a short-term solution as 60% of resected BrM recur within 1 year. Our group discovered that patient prognosis is linked to BrM invasiveness, with highly invasive (HI) BrM more likely to recur, compared to minimally invasive (MI) BrM. This has presented us the opportunity to investigate exploitable biological mechanisms driving HI BrM. For instance, invasive signaling can be driven by microenvironmental proteins such as growth and immunological factors (cytokines) secreted by surrounding brain or cancer cells, through inter-cellular or self-feeding autocrine loops. Hypothesis: Considering the influence of secreted factors on cancer invasion and the brain microenvironment, I hypothesize that secretory profiling of BrM and brain parenchymal cells will be mechanistically insightful and help identify potential targetable drivers of BrM invasion. Results: To identify BrM invasion-related tumor- and brain-derived factors, I performed human- and mouse-specific high throughput Enzyme-Linked Immunosorbent Assay (ELISA)-based screens on conditioned media from mouse brain slices harboring intracranial MI or HI BrM patient-derived xenografts (PDX). This secretome screen reveals distinct MI and HI secretory profiles for melanoma, breast cancer and lung cancer BrMs and several HI BrM-derived factors of interest have been identified. Such factors are important to investigate as possible drivers of invasiveness in BrM through functional studies. Conclusion: BrM patients currently face a bleak prognosis, with few treatment options and a median survival of only 8-16 months. Considering the clinical availability of targeted therapies including inhibitors for growth factor-binding tyrosine kinases, antibody-drug conjugates, and immunotherapy, this project will help elucidate the cancer-brain crosstalk which may be exploited therapeutically with existing drugs in patients with frequently recurring HI BrM. ADDIN Citation Format: Caitlyn Mourcos, Sarah M. Maritan, Matthew G. Annis, Georgia Kruck, Alexander Nowakowski, Anna-Maria Lazaratos, Kevin Petrecca, Peter Siegel. Targeting tumor-brain crosstalk in invasive brain metastases. [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 3615.
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) | 0,001 | 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 | 0,001 | 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) | 0,003 | 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 ».