Abstract 286: Multiplex imaging of human pancreatic tumors reveal novel dynamics of dysplastic stem cells, remodeling of associated fibroblasts and cell-to-cell spatial dependencies
Notice bibliographique
Résumé
Abstract This study aims to investigate human normal pancreatic tissue, pancreatic precursor lesions, and invasive pancreatic ductal adenocarcinoma to provide the most extensive spatial characterization as disease progress by mapping dysplastic stem cells (DSCs) - a reservoir of cancer cells - and fibroblast populations which modulate the tumor microenvironment and participate in disease progression. We performed 12 cycles of multiplex immunofluorescence using 26 validated antibodies covering fibroblasts [CXCL12, αSMA, FAP, CD74, CD105, PDGFRA, COL1A1], DSCs diversity [CD44v9, CD133, CD166, SPP1, S100P], and immune populations, onto tissue samples from 75 patients screened for normal, low grade, high grade dysplasia, and invasive cancer. We used our codes in Python, R, and QuPath 0.4.3. The pipeline includes shading correction, whole slide image registration (at subcellular level), region of interest and stromal mask annotations by a pathologist [normal duct, acinar to ductal metaplasia (ADM), low grade, high grade, invasive], automatic cell detection, and signal extraction. We developed a novel Python code for cell-to-cell spatial dependency analysis by using the x,y centroid positions of one cell from the tumor to other cells from the stroma mask based on pre-defined distances. For this abstract, we interrogated 264,732 cells and observed SPP1+, S100P+ DSCs expansion from low grade to high grade dysplasia, whereas CD133+ and CD166+ populations contract (p<0.0001). S100P+ DSCs gradually expand as disease progress reaching 74.13% of invasive cells being positive. CD44v9 follows dynamic changes variations, being expressed in 59.6% of cells undergoing ADM, dropping to 5.4% in dysplasia, and re-increasing to 25.4% in invasive cancer (all p<0.0001). Focusing on stromal composition, CXCL12+, CD105+, αSMA+, CD74+ fibroblasts expand whereas FAP+ fibroblasts contract from low- to high grade (p-values <0.0001). COL1A1 expression increases at each step of the normal duct - ADM - low grade - high grade - invasive cancer sequence (all p<0.0001). The pattern of CD44v9 tumor population showed dynamic alterations with the CD105 fibroblast population, as CD44v9 and CD105 are highly expressed in coordination during ADM. However, in dysplastic lesions and invasive cancer, mutual exclusivity between the tumor CD44v9 populations and the underlying CD105 fibroblast populations is observed, confirmed by our spatial algorithm within 50 μm of cell-to-cells distance (p<0.0001). In tumors, when CD44v9 tumor cell populations are expressed, the adjacent fibroblasts were CD105 negative. Multiplex imaging reveals dysplastic stem cells and fibroblasts dynamics in low- to high grade transition. The high-throughput capabilities of this method lead to the discovery of the CD44v9 tumor and CD105 fibroblast dependencies in pancreatic tumors. Citation Format: Maëlle Batardière, Shoukari Ayman, Camille Beaussier, Jumanah Baig, Zean Ghanmeh, Melisa Farias-Gonzalez, Jahg Wong, Alexandre Archambault-Marsan, Louise Rousseau, Simon Turcotte, Anna Means, Marcus Tan, Kathleen DelGiorno, Elham Dianati, Vincent Quoc-Huy Trinh. Multiplex imaging of human pancreatic tumors reveal novel dynamics of dysplastic stem cells, remodeling of associated fibroblasts and cell-to-cell spatial dependencies [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2024; Part 1 (Regular Abstracts); 2024 Apr 5-10; San Diego, CA. Philadelphia (PA): AACR; Cancer Res 2024;84(6_Suppl):Abstract nr 286.
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) | 0,003 | 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 ».