MétaCan
Menu
Back to cohort
Record W7046439024

Development of a patient-derived tumor organoid based on precision medicine

2023· article· fr· W7046439024 on OpenAlexaboutno aff

Bibliographic record

Venuetheses.fr (ABES) · 2023
Typearticle
Languagefr
FieldPhysics and Astronomy
TopicMagnetic confinement fusion research
Canadian institutionsnot available
Fundersnot available
KeywordsTumor cellsPrecision medicineSolid tumor
DOInot available

Abstract

fetched live from OpenAlex

L’essor des modèles 3D, tels les organoides dérivés de tumeurs de patient, permet une étude complémentaire de l’efficacité des agents thérapeutiques, sur un modèle humanisé. Ces organoides dérivés de tumeurs de patients offrent un outil d’aide, à la validation préclinique de nouveaux agents thérapeutiques et à la prise de décision thérapeutique en clinique. Durant ma thèse, nous avons développé un modèle qui récapitule la tumeur in vivo. Notre méthode d’ingénierie tissulaire a permis d’établir un modèle d’organoide dérivé du patient, tumoral et sain, vascularisé. La correspondance biologique et moléculaire des organoides dérivés de tumeurs de patient a été évaluée par immunohistochimie et transcriptomique. Nous avons pu démontrer la conservation des marqueurs histologiques et moléculaires de la tumeur primaire. Nous avons aussi validé la pertinence de ce modèle 3D vascularisé, pour tester des agents thérapeutiques usuels, en associant l’évaluation de l’efficacité avec les technologies omiques. En effet, l’utilisation des technologies omiques nous a permis d’apporter plus d’informations sur la réponse biologique des organoides vascularisés, à la chimiothérapie et à l’oncovirothérapie. Enfin, nous avons démontré l’intérêt des systèmes fluidiques pour évaluer les réponses des organoides, tumoraux ou sains vascularisés, aux agents thérapeutiques. Ces systèmes permettent d’apporter plus de paramètres biologiques, impliqués dans les réponses aux agents thérapeutiques. En effet, nous avons pu reproduire in vitro, la matrice extracellulaire, qui représente une barrière physique aux traitements, et également mimer l’administration clinique des thérapeutiques. Afin de conclure, nous sommes conscients des améliorations à apporter, pour permettre une utilisation optimale de ces modèles 3D en systèmes fluidiques. Cette thèse a donné lieu à une revue de la littérature (1er auteur, Article 1), un article soumis (1er auteur, Article 2), un article publié (2ème auteur, Article 3) et un article en préparation (Article 4).

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.002
metaresearch head score (Gemma)0.001
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.003
Threshold uncertainty score0.010

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0020.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.001
Scholarly communication0.0020.001
Open science0.0010.001
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.0030.001

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.025
GPT teacher head0.278
Teacher spread0.253 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venuetheses.fr (ABES)Same topicMagnetic confinement fusion researchFrench-language works237,207