Abstract A007: Assessment of metabolic vulnerabilities of breast cancer brain metastasis
Notice bibliographique
Résumé
Abstract The metastasis of cancer to the brain is a major contributor to patient morbidity and mortality. Prior work suggests that there is therapeutic potential in targeting metabolic processes within brain metastatic cancer, however how best to identify novel targets and select patient populations remains unclear. In this study, we determine what nutrients are available to breast cancer cells in the brain and how those nutrients are used. We also engineer breast cancer cells that are auxotrophic for specific nutrients and assess how this impacts tumor growth in the brain using various approaches. These methodologies include direct implantation into the brain and introduction into the circulation to evaluate tumor formation as brain metastases. Unexpectedly, we find that no single approach, including assessment of brain nutrient availability, tumor biosynthetic activity, and evaluation of genetic dependencies using in vivo CRISPR screens reliably predicts metabolic dependencies that broadly extend across models of breast cancer brain metastasis. Our findings underscore the necessity of a holistic approach in considering how best to identify and prioritize new targets for treating metastatic cancer. Citation Format: Keene L. Abbott, Sonu Subudhi, Raphael Ferreira, Yetiş Gültekin, Sophie C. Steinbuch, Sophie E. Honeder, Ashwin S Kumar, Michelle Wu, Diya Ramesh, Jacob Hansen, Lisa M. Riedmayr, Mark Duquette, Ahmed Ali, Nicole Henning, Sharanya Sivanand, Tenzin Kunchok, Millenia Waite, Brian T. Do, Virginia Spanoudaki, Francisco J. Sánchez-Rivera, George M. Church, Rakesh K Jain, Matthew G. Vander Heiden. Assessment of metabolic vulnerabilities of breast cancer brain metastasis [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Expanding and Translating Cancer Synthetic Vulnerabilities; 2024 Jun 10-13; Montreal, Quebec, Canada. Philadelphia (PA): AACR; Mol Cancer Ther 2024;23(6 Suppl):Abstract nr A007.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».