Collagen Lattice Model, Populated with Heterogeneous Cancer-Associated Fibroblasts, Facilitates Advanced Reconstruction of Pancreatic Cancer Microenvironment
Notice bibliographique
Résumé
Pancreatic ductal adenocarcinoma (PDAC) is a solid-tumor malignancy. To enhance the treatment landscape of PDAC, a 3D model optimized for rigorous drug screening is essential. Within the PDAC tumor microenvironment, a dense stroma comprising a large extracellular matrix and cancer-associated fibroblasts (CAFs) is well-known for its vital role in modulating tumor growth, cellular heterogeneity, bidirectional paracrine signaling, and chemoresistance. In this study, we employed a fibroblast-populated collagen lattice (FPCL) modeling approach that has the ability to replicate fibroblast contractility in the collagenous matrix to build dense stroma. This FPCL model allows CAF differentiation by facilitating multifaceted cell-cell interactions between cancer cells and CAFs, with the differentiation further influenced by mechanical forces and hypoxia carried within the 3D structure. Our FPCL models displayed hallmark features, including ductal gland structures and differentiated CAFs with spindle shapes. Through morphological explorations alongside in-depth transcriptomic and metabolomic profiling, we identified substantial molecular shifts from the nascent to mature model stages and potential metabolic biomarkers, such as proline. The initial pharmacological assays highlighted the effectiveness of our FPCL model in screening for improved therapeutic strategies. In conclusion, our PDAC modeling platform mirrors complex tumor microenvironmental dynamics and offers an unparalleled perspective for therapeutic exploration.
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) | 0,001 | 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 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 ».