ProMPt: A modular preclinical platform for functional modelling of prostate cancer heterogeneity and therapeutic vulnerabilities
Notice bibliographique
Résumé
ABSTRACT Prostate cancer progression is driven by heterogenous genetic, phenotypic, and microenvironmental programs that remain challenging to model experimentally. Existing systems such as genetically engineered mouse models, xenografts, and patient-derived organoids have each advanced mechanistic insight but are limited by genetic scope, scalability, or lack of immune context. To overcome these constraints we developed ProMPt, a genetically-defined syngeneic mouse modelling platform that captures combinations of the most recurrent clinical prostate cancer genomic alterations to enable scalable in vitro and in vivo interrogation of prostate cancer evolution. Tumours derived from ProMPt organoids recapitulate the histologic and molecular diversity of human disease. Cross - species transcriptomic integration and multivariate single-cell analysis under defined culture permutations revealed conserved phenoscapes, highlighting a central role for MYC in disease progression and therapy resistance. Guided by these insights, preclinical intervention studies demonstrated that combined MAPK inhibition and blockade of protein translation synergistically suppressed tumour growth in castration-resistant models. This combination not only suppressed proliferation but also remodelled the tumour immune landscape, underscoring its dual epithelial and microenvironmental effects. Together, these findings establish ProMPt as a versatile framework for linking genotype, lineage plasticity, and therapeutic vulnerability in prostate cancer.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 ».