Cell fate simulation reveals cancer cell features in the tumor microenvironment
Notice bibliographique
Résumé
To elucidate the dynamic evolution of cancer cell characteristics within the tumor microenvironment (TME), we developed an integrative approach combining single-cell tracking, cell fate simulation, and 3D TME modeling. We began our investigation by analyzing the spatiotemporal behavior of individual cancer cells in cultured pancreatic (MiaPaCa2) and cervical (HeLa) cancer cell lines, with a focus on the α2-6 sialic acid (α2-6Sia) modification on glycans, which is associated with cell stemness. Our findings revealed that MiaPaCa2 cells exhibited significantly higher levels of α2-6Sia modification, correlating with enhanced reproductive capabilities, whereas HeLa cells showed less prevalence of this modification. To accommodate the in vivo variability of α2-6Sia levels, we employed a cell fate simulation algorithm that digitally generates cell populations based on our observed data while varying the level of sialylation, thereby simulating cell growth patterns. Subsequently, we performed a 3D TME simulation with these deduced cell populations, considering the microenvironment that could impact cancer cell growth. Immune cell landscape information derived from 193 cervical and 172 pancreatic cancer cases was used to estimate the degree of the positive or negative impact. Our analysis suggests that the deduced cells generated based on the characteristics of MiaPaCa2 cells are less influenced by the immune cell landscape within the TME compared to those of HeLa cells, highlighting that the fate of cancer cells is shaped by both the surrounding immune landscape and the intrinsic characteristics of the cancer cells.
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 | 0,001 | 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 ».