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 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 ».