Toward Proteomic-Based Prediction of Ex Vivo Platinum Sensitivity in Ovarian Cancer Ascitic Cellular Aggregates: A Pilot Study
Notice bibliographique
Résumé
The accumulation of malignant ascites in the peritoneal cavity is a hallmark of high-grade serous ovarian cancer (HGSC). This fluid contains three-dimensional multicellular aggregates known as spheroids, which contribute to chemoresistance and are an accessible source of tumor material for proteomic-based biomarker discovery studies. Although heterogeneous ascitic spheroids can be generated from primary cell suspensions for ex vivo applications, they suffer from long generation times and reduced biological relevance. Here, we compare their ex vivo chemotherapy responses and proteomes to native spheroids that are collected directly from HGSC ascites, with the aim of assessing their suitability for proteomic-based chemoresponse prediction strategies that yield results within a clinically relevant time frame. We demonstrate that the chemoresponses of native spheroids better correlate with patients’ clinical treatment responses in 4 of 5 cases and that their proteomes uniquely segregate according to ex vivo carboplatin response along the first component. This pilot study suggests key proteins and biological pathways that may facilitate a global proteomic-based screening strategy for personalized HGSC treatment, with particular emphasis on extracellular matrix proteins. As such, native spheroids have the potential to progress the personalized treatment of HGSC patients with malignant ascites.
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 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 | 0,003 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».