Molecular Characterization and Xenotransplantation of Pancreatic Cancer Using Endoscopic Ultrasound-Guided Fine Needle Aspiration (EUS-FNA)
Notice bibliographique
Résumé
Pancreatic cancer has one of the worst prognoses among all malignancies and few available treatment options. Patient-derived xenografts can be used to develop personalized therapy for pancreatic cancer. Endoscopic ultrasound fine-needle aspiration (EUS-FNA) may provide a powerful alternative to surgery for obtaining sufficient tissue for the establishment of patient-derived xenografts. In this study, EUS-FNA samples were obtained for 30 patients referred to the Ottawa Hospital, Ottawa, Ontario, Canada. These samples were used for xenotransplantation in NOD-SCID mice and for genetic analyses. The gene expression of pancreatic-cancer-relevant genes in xenograft tumors was examined by immunohistochemistry. Targeted sequencing of both the patient-derived tumors and xenograft tumors was performed. The xenografts' susceptibility to oncolytic virus infection was studied by infecting xenograft-derived cells with VSV∆51-GFP. The xenograft take rate was found to be 75.9% for passage 1 and 100% for passage 2. Eighty percent of patient tumor samples were successfully sequenced to a high depth for 42 cancer genes. Xenograft histological characteristics and marker expression were maintained between passages. All tested xenograft samples were susceptible to oncoviral infection. We found that EUS-FNA is an accessible, minimally invasive technique that can be used to acquire adequate pancreatic cancer tissue for the generation of patient-derived xenografts and for genetic sequencing.
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) | 0,000 | 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) | 0,000 | 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 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 ».