Proteomic Landscapes of 3D and 2D Models of High-Grade Serous Ovarian Carcinoma: Implications for Carboplatin Response
Notice bibliographique
Résumé
High-grade serous ovarian carcinoma (HGSOC) is the most common form of ovarian cancer, and finding new treatments remains an unmet need. While drug discovery is typically performed in two-dimensional (2D) monolayers, three-dimensional (3D) culture systems better mimic the in vivo conditions. However, a comprehensive comparison of 3D versus 2D ovarian cancer models is lacking. Here, we quantitatively compared the whole cell proteomic signatures of four ovarian cell lines─PEO1, PEO4, UWB1.289, and UWB1.289+BRCA1─with different status of BRCA genes grown in 2D and 3D. Using isobaric labeling proteomics, we quantified 6404 proteins and identified 371 significantly and commonly altered proteins between 2D and 3D. Proteins upregulated in 3D were enriched for transmembrane transport and NADH:ubiquinone oxidoreductase complex I, while energy metabolism and cell growth pathways also showed dimensionality-dependent changes. Notably, membrane-associated proteins were downregulated in spheroids, particularly EGFR in PEO1. Furthermore, the 3D culture modulated the response to carboplatin, with an increased expression of drug resistance-associated proteins, including NDUF family members in all spheroid models. These findings underscore how culture dimensionality influences both the molecular landscape and the chemotherapeutic response of HGSOC cells and highlights candidate targets for overcoming carboplatin resistance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».