EXPLORING THE INTERPLAY BETWEEN BRAIN TUMOUR INITIATING CELLS AND THE TUMOUR MICROENVIRONMENT: POTENTIAL TARGETING STRATEGIES FOR GLIOBLASTOMA
Notice bibliographique
Résumé
Abstract The aggressive biology and poor response to therapy resulting in relapse of patients with GBM is attributed to the existence of Brain Tumour Initiating Cells (BTICs) with stem cell properties. Targeting BTICs in isolation of their surrounding tumour microenvironment (TME) has proven ineffective. Determining the molecular effects of the TME on BTICs is an evolving area that requires more focus. OUR APPROACH: Using innovative patient-derived organoid co-culture models paired with an in vivo zebrafish xenograft system our multidisciplinary team is exploring the biology of BTICs in the context of their microenvironment in search for novel therapeutic options that will benefit GBM patients. RESULTS: Our data supports an important role for activated cancer associated fibroblasts and endothelial cells in driving BTIC expansion and resistance to therapy. We further show that these effects, at least in part, are attributed to changes in the composition of the TME. Using semi-conducting conjugated polymer nanoparticles designed to selectively disrupt microenvironment interactions with BTICs, we show a reduction in anti-apoptotic and proliferation markers and a decreased self-renewal in functional assays. In vitro and in vivo drug response assays reveal this combined approach sensitizes to standard of care Temozolomide. CONCLUSIONS: Our data reveals novel aspects of the TME that play an essential role in the biology of GBM and in resistance to therapy. We propose that this offers unique opportunities for drug targeting that may improve patient outcomes for this aggressive disease.
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 | 0,001 | 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 ».