Development of a patient-derived tumor organoid based on precision medicine
Bibliographic record
Abstract
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.197 | 0.002 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; both teacher heads agree on what is shown here.
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".