MétaCan
Menu
Retour à la cohorte
Enregistrement W4409629661 · doi:10.1158/1538-7445.am2025-3927

Abstract 3927: Bone Metastasis Technology Platform: Establishing clinically relevant bone metastasis models for breast and prostate cancer and multiple myeloma

2025· article· en· W4409629661 sur OpenAlexaff
Tiina E. Kähkönen, Jie Wen, Ru Yang, Yuyang Xu, Michael Q. Zhang, Jussi M. Halleen

Notice bibliographique

RevueCancer Research · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMedical Imaging and Pathology Studies
Établissements canadiensMicropharma (Canada)
Organismes subventionnairesnon disponible
Mots-clésProstate cancerMedicineBone metastasisMultiple myelomaMetastasisBreast cancerOncologyProstateBreast cancer metastasisCancerInternal medicineCancer research

Résumé

récupéré en direct d'OpenAlex

Bone metastases are a significant clinical problem in many major cancers, especially in breast and prostate cancer where 70-90% of advanced patients develop bone metastases. Myeloma bone disease is associated with similar clinical problems than bone metastases, including increased risk of fractures and bone pain that decrease the quality of life. Current cancer therapies can only partially decrease tumor growth, resulting in only 5% of bone metastatic patients being alive 5 years after the diagnosis. Bone metastases are therefore a high unmet medical need with a high demand for effective therapies. Lack of appropriate preclinical bone metastasis models that would exhibit the same clinical features that are observed in bone metastatic patients has made it difficult to advance therapy development at early stages. This study describes the establishment of three preclinical bone metastasis models, a breast cancer model using 4T1 mouse triple-negative breast cancer cells in BALB/c mice, a prostate cancer model using RM-1 mouse androgen-insensitive prostate cancer cells in C57BL/6 mice, and a multiple myeloma model using human RPMI 8226 cells in immunodeficient NPG mice. The cancer cells were inoculated intratibially into the bone marrow to model tumor growth in bone. Tumor growth was monitored by bioluminescence imaging (BLI), cancer-induced bone changes by X-ray imaging, and bone pain by Von Frey filaments (mechanical allodynia). In the 4T1 breast cancer model, 100% of the mice had bone metastases at day 7, and maximum study duration was 21 days. Osteolytic bone lesions were clearly observed and bone pain was detected at day 7. In the RM-1 prostate cancer model, 83% of the mice had bone metastases at day 7, and 100% of the mice at day 14, and maximum study duration was 28 days. Bone pain was observed at day 7, and osteolytic-mixed bone metastases were visible at day 14. In the RPMI 8226 multiple myeloma model, 100% tumor take rate was detected at day 7. Osteolytic bone metastases were visible at day 21, and maximum study duration was 100 days. We have established a clinically relevant Bone Metastasis Technology Platform (BMTP©) that currently includes preclinical bone metastasis models for breast and prostate cancer and multiple myeloma. These models have clinical features that are similar to those observed in bone metastatic patients. In preclinical models established in BMTP, tumor burden is monitored by BLI, the type and extent of cancer-induced bone loss is visualized by X-ray imaging, and bone pain is analyzed to provide a clinically relevant readout about the quality of life. We conclude that BMTP is a clinically relevant translational tool for evaluating efficacy of cancer therapies on bone metastasizing cancers. Citation Format: Tiina E. Kähkönen, Jie Wen, Ru Yang, Yuyang Xu, Michael Zhang, Jussi M. Halleen. Bone Metastasis Technology Platform: Establishing clinically relevant bone metastasis models for breast and prostate cancer and multiple myeloma [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2025; Part 1 (Regular Abstracts); 2025 Apr 25-30; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2025;85(8_Suppl_1):Abstract nr 3927.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil0,819

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,119
Tête enseignante GPT0,443
Écart entre enseignants0,323 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetMedical Imaging and Pathology StudiesTravaux en français237 207