Defining the cellular and molecular features of nerve-invaded cancer cells using a newly characterized experimental model
Notice bibliographique
Résumé
Abstract Perineural invasion (PNI) is the invasion of cancer cells into nerves. Although PNI is a risk factor for cancer recurrence and metastasis, the lack of in vitro experimental models representing natural PNI challenges basic studies and therapeutic screening. In this work, we fully characterized a dorsal root ganglia (DRG)-nerve explant model for PNI and demonstrated the characteristic cellular and molecular features of cancer cells undergoing natural PNI. Briefly, thoracic and lumbar DRGs intactly connected to nerves were co-cultured with breast and prostate cancer cells in a 3D matrix for two weeks. Time-dependent brightfield and fluorescence imaging captured the complex interactions of cancer cells, neurons, axons, and Schwann cells within nerves in the DRG-nerve explant, demonstrating the natural invasion of cancer cells. Fundamental investigations showed that the autonomic neurotransmitters norepinephrine and acetylcholine significantly promote PNI. We also demonstrated increased survival of PNI cells against the cytotoxic drug cisplatin. Additionally, we characterized the proteomics profile of PNI cells for future theranostics applications and validated the results using patient breast tumor samples. Overall, this work characterized and established a clinically relevant model for PNI and revealed the cellular crosstalk of PNI cells within nerves. The established model is suitable for fundamental studies and therapeutic screening pertaining to PNI.
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 | 0,001 |
| 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 ».