MétaCan
Menu
Retour à la cohorte
Enregistrement W4412400880 · doi:10.1101/2025.07.09.663874

Optimized large-scale longitudinal biorepository of gastroesophageal adenocarcinoma patient-derived organoids: High-fidelity models for personalized treatment to overcome resistance

2025· preprint· en· W4412400880 sur OpenAlexafffund
Mingyang Kong, Sanjima Pal, Shuyuan Wang, Julie Bérubé, Ruoyu Ma, Yifei Yan, Wotan Zeng, France Bourdeau, Betty Giannias, Zhao Hong, Nathan Osman, Kulsum Tai, Hellen Kuasne, James Tankel, Greta Everisto, Pierre Fiset, Xin Su, Swneke D. Bailey, Morag Park, Nicholas Bertos, Veena Sangwan, Lorenzo Ferri

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineMedicine
ThématiqueCancer Cells and Metastasis
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCancer Research UK Cambridge Institute, University of CambridgeCancer Research UKCancer Research Society
Mots-clésBiorepositoryOrganoidBiobankScale (ratio)High fidelityAdenocarcinomaMedicineComputer scienceInternal medicineCancerBioinformaticsBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract A major limitation in studying gastroesophageal adenocarcinoma (GEA) has been the lack of reliable models that represent the disease’s complexity. We present lessons learned from a comprehensive large-scale biobanking effort combining traditional sample collection with several in vitro models including 3-dimensional patient-derived organoids (PDOs), 2-dimensional cancer-associated fibroblasts (CAFs), tumor-infiltrating lymphocytes (TILs) and/or in vivo xenografts. This initiative started in 2018, integrating multiple advanced ex-vivo models such as PDOs, patient-derived xenografts (PDXs) and organoids (PDXOs). This unique resource now includes tumor avatars from over 380 consented patients, making it the largest living GEA biobank in the world. We achieved > 90% success rate in creating per-patient models, including 227 tumor-derived and 203 neighboring normal PDOs. These organoids accurately mirror key features of the original tumors, such as their histology (e.g. microsatellite instability), mutations, and drug response, across treatment points. Notably, PDOs can predict individual patient responses to chemotherapy within five weeks, underscoring their clinical relevance. Furthermore, high-throughput drug screening on PDO subsets generates personalized chemosensitivity profiles for 22 drugs. Through a process of continued refinement of culture techniques and tumor sampling approach, our large-scale comprehensive collection of GEA avatars represents a unique and valuable preclinical experimental resource for precision oncology. Graphical abstract Schematic depiction of GEA live-banking workflow

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,018
Tête enseignante GPT0,246
Écart entre enseignants0,228 · 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
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetCancer Cells and MetastasisTravaux en français237 207