Patient-derived organoids of pancreatic ductal adenocarcinoma for subtype determination and clinical outcome prediction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Recently, two molecular subtypes of pancreatic ductal adenocarcinoma (PDAC) have been proposed: the "Classical" and "Basal-like" subtypes, with the former showing better clinical outcomes than the latter. However, the "molecular" classification has not been applied in real-world clinical practice. This study aimed to establish patient-derived organoids (PDOs) for PDAC and evaluate their application in subtype classification and clinical outcome prediction. METHODS: We utilized tumor samples acquired through endoscopic ultrasound-guided fine-needle biopsy and established a PDO library for subsequent use in morphological assessments, RNA-seq analyses, and in vitro drug response assays. We also conducted a prospective clinical study to evaluate whether analysis using PDOs can predict treatment response and prognosis. RESULTS: PDOs of PDAC were established at a high efficiency (> 70%) with at least 100,000 live cells. Morphologically, PDOs were classified as gland-like structures (GL type) and densely proliferating inside (DP type) less than 2 weeks after tissue sampling. RNA-seq analysis revealed that the "morphological" subtype (GL vs. DP) corresponded to the "molecular" subtype ("Classical" vs. "Basal-like"). The "morphological" classification predicted the clinical treatment response and prognosis; the median overall survival of patients with GL type was significantly longer than that with DP type (P < 0.005). The GL type showed a better response to gemcitabine than the DP type in vitro, whereas the drug response of the DP type was improved by the combination of ERK inhibitor and chloroquine. CONCLUSIONS: PDAC PDOs help in subtype determination and clinical outcome prediction, thereby facilitating the bench-to-bedside precision medicine for PDAC.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle