MétaCan
Menu
← Retour à la cohorte
Enregistrement W4404237883 · doi:10.1093/neuonc/noae165.1162

TMET-24. MULTI-OMIC CHARACTERIZATION OF THE TEMPORAL METABOLIC ADAPTATIONS UNDERPINNING THERAPY RESISTANCE AND TUMOR RECURRENCE IN GLIOBLASTOMA

2024· article· en· W4404237883 sur OpenAlexaff
Emma Martell, Helgi Kuzmychova, Harshal Senthil, Esha Kaul, Versha Banerji, Christopher M. Anderson, Chitra Venugopal, Donald W. Miller, Tamra E. Werbowetski‐Ogilvie, Sheila K. Singh, Tanveer Sharif

Notice bibliographique

RevueNeuro-Oncology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensMcMaster UniversityCancerCare ManitobaUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésGlioblastomaUnderpinningResistance (ecology)NeuroscienceMedicineBiologyCancer researchEcologyEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Therapy resistance and tumor recurrence are barriers to achieving long-term survival in cancer patients, particularly evident in glioblastoma (GBM), known for its dismal 5-year survival rate below 10%. Despite aggressive treatment regimens, including maximal resection, alkylating chemotherapy, and radiation, the majority of GBM patients experience relapse within 7-9 months post-initial intervention. Recurrent GBM poses surgical challenges and resists subsequent treatments, leading to an almost universally fatal outcome and an average survival of 12-18 months. Metabolic networks can serve as ancient stress-protection mechanisms that operate independently of genomic changes, offering an initial line of defense against exogenous pressures. Although the role of metabolism in cancer has gained prominence, our understanding of the metabolic adaptations following chemoradiotherapy and their contributions to therapy resistance and tumor recurrence in highly aggressive GBM tumors remains incomplete. We postulate that metabolic adaptations play a pivotal role in facilitating therapy resistance and GBM recurrence. Exploring the metabolic dependencies of these persistent cells may unveil vulnerabilities for therapeutic exploitation to counteract chemoradiotherapy resistance. We established clinically relevant patient-derived in vitro and in vivo models mirroring the standard GBM treatment protocol. Using state-of-the-art single-cell and bulk multi-omics technologies, we profiled the temporal transcriptomic and metabolomic adaptations from therapy-naïve primary GBM to chemoradiotherapy-resistant recurrent tumors. Our findings revealed unique metabolic transitions that occurred during chemoradiotherapy treatment in GBM cells that were conserved in vitro and in vivo across ten genetically diverse GBM patients. In a pre-clinical animal trial, a novel metabolism-targeting combinatorial treatment regimen prevented the emergence of recurrent tumors and significantly prolonged survival compared to chemoradiotherapy alone. Altogether, our results uncover distinct metabolic adaptations mediating therapy resistance and tumor recurrence in GBM. These findings emphasize the need to consider metabolic flexibility and dependencies for effective therapeutic strategies, offering potential avenues to overcome chemoresistance in recurrent GBM tumors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,284
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-Oncology→Même sujetCancer, Hypoxia, and Metabolism→Travaux en français237 207→