Comparative single‐cell transcriptomic profiling of patient‐derived renal carcinoma cells in cellular and animal models of kidney cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Clear cell renal cell carcinoma (ccRCC) is the most common form of kidney cancer that often displays resistance to conventional cancer therapies, including chemotherapy and radiation therapy. Targeted treatments, including immunotherapies and small molecular inhibitors, have been associated with improved outcomes. However, variations in the patient response and the development of resistance suggest that more models that better recapitulate the pathogenesis and metastatic mechanisms of ccRCC are required to improve our understanding and disease management. Here, we examined the transcriptional landscapes of in vitro cell culture as well as in vivo orthotopic and metastatic NOD/SCID-γ mouse models of ccRCC using a single patient-derived RCC243 cell line to allow unambiguous comparison between models. In our mouse model assays, RCC243 cells formed metastatic tumors, and all tumors retained clear cell morphology irrespective of model type. Notably, gene expression profiles differed markedly between the RCC243 tumor models-cell culture, orthotopic tumors, and metastatic tumors-suggesting an impact of the experimental model system and whether the tumor was orthotopic or metastatic. Furthermore, we found conserved prognostic markers between RCC243 tumor models and human ccRCC patient datasets, and genes upregulated in metastatic RCC243 were associated with worse patient outcomes.
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.
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 découle