Comparative analysis of syngeneic mouse models of high-grade serous ovarian cancer
Notice bibliographique
Résumé
Ovarian cancers exhibit high rates of recurrence and poor treatment response. Preclinical models that recapitulate human disease are critical to develop new therapeutic approaches. Syngeneic mouse models allow for the generation of tumours comprising the full repertoire of non-malignant cell types but have expanded in number, varying in the cell type of origin, method for transformation, and ultimately, the properties of the tumours they produce. Here we have performed a comparative analysis of high-grade serous ovarian cancer models based on transcriptomic profiling of 22 cell line models, and intrabursal and intraperitoneal tumours from 12. Among cell lines, we identify distinct signalling activity, such as elevated inflammatory signalling in STOSE and OVE16 models, and MAPK/ERK signalling in ID8 and OVE4 models; metabolic differences, such as reduced glycolysis-associated expression in several engineered ID8 subclones; and relevant functional properties, including differences in EMT activation, PD-L1 and MHC class I expression, and predicted chemosensitivity. Among tumour samples, we observe increased variability and stromal content among intrabursal tumours. Finally, we predict differences in the microenvironment of ID8 models engineered with clinically relevant mutations. We anticipate that this work will serve as a valuable resource, providing new insight to help select models for specific experimental objectives.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».