Druggable growth dependencies and tumor evolution analysis in patient-derived organoids of neuroendocrine neoplasms from multiple body sites

神经内分泌肿瘤 类有机物 生物 可药性 癌症研究 计算生物学 基因 细胞生物学 遗传学 内分泌学
作者
Talya L. Dayton,Nicolas Alcala,Laura Moonen,Lisanne den Hartigh,Veerle Geurts,Lise Mangiante,L. Lap,Antonella F. M. Dost,Joep Beumer,Sonja Levy,Rachel S. van Leeuwaarde,Wenzel M. Hackeng,Kris G. Samsom,Catherine Voegele,Alexandra Sexton‐Oates,Harry Begthel,Jeroen Korving,Lisa M. Hillen,Lodewijk A.A. Brosens,Sylvie Lantuéjoul
出处
期刊:Cancer Cell [Elsevier]
卷期号:41 (12): 2083-2099.e9 被引量:47
标识
DOI:10.1016/j.ccell.2023.11.007
摘要

Neuroendocrine neoplasms (NENs) comprise well-differentiated neuroendocrine tumors (NETs) and poorly differentiated neuroendocrine carcinomas (NECs). Treatment options for patients with NENs are limited, in part due to lack of accurate models. We establish patient-derived tumor organoids (PDTOs) from pulmonary NETs and derive PDTOs from an understudied subtype of NEC, large cell neuroendocrine carcinoma (LCNEC), arising from multiple body sites. PDTOs maintain the gene expression patterns, intra-tumoral heterogeneity, and evolutionary processes of parental tumors. Through hypothesis-driven drug sensitivity analyses, we identify ASCL1 as a potential biomarker for response of LCNEC to treatment with BCL-2 inhibitors. Additionally, we discover a dependency on EGF in pulmonary NET PDTOs. Consistent with these findings, we find that, in an independent cohort, approximately 50% of pulmonary NETs express EGFR. This study identifies an actionable vulnerability for a subset of pulmonary NETs, emphasizing the utility of these PDTO models.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
善学以致用应助李涵采纳,获得10
1秒前
1秒前
LULU完成签到,获得积分10
3秒前
3秒前
xinxin完成签到,获得积分10
4秒前
4秒前
5秒前
qwer发布了新的文献求助10
5秒前
JamesPei应助9999921采纳,获得10
6秒前
再坚持一点完成签到,获得积分20
6秒前
如意的豆芽完成签到,获得积分10
6秒前
efjbvb完成签到,获得积分10
6秒前
李健应助Zhang采纳,获得30
6秒前
7秒前
甜味白开水完成签到,获得积分10
9秒前
斯文败类应助哒哒采纳,获得10
9秒前
梅姬斯图斯完成签到,获得积分10
9秒前
xinxin发布了新的文献求助30
9秒前
10秒前
efjbvb发布了新的文献求助10
10秒前
小艾同学发布了新的文献求助10
11秒前
12秒前
289600完成签到 ,获得积分10
12秒前
乐乐乐发布了新的文献求助10
12秒前
小石头完成签到,获得积分10
12秒前
乐乐应助梅姬斯图斯采纳,获得10
12秒前
所所应助childe采纳,获得10
13秒前
13秒前
李健的小迷弟应助樊樊采纳,获得10
13秒前
科研通AI6.2应助luwenxuan采纳,获得10
14秒前
科研通AI6.2应助luwenxuan采纳,获得10
14秒前
科研狗完成签到,获得积分10
15秒前
Orange应助渊666采纳,获得10
15秒前
李涵发布了新的文献求助10
17秒前
无限白羊发布了新的文献求助10
17秒前
lzq发布了新的文献求助10
17秒前
19秒前
安静的嘚嘚完成签到 ,获得积分10
19秒前
甜甜努力搞科研完成签到,获得积分10
21秒前
didididm完成签到,获得积分10
21秒前
高分求助中
Modern Epidemiology, Fourth Edition 5000
Kinesiophobia : a new view of chronic pain behavior 5000
Molecular Biology of Cancer: Mechanisms, Targets, and Therapeutics 3000
Digital Twins of Advanced Materials Processing 2000
Propeller Design 2000
Weaponeering, Fourth Edition – Two Volume SET 2000
Handbook of pharmaceutical excipients, Ninth edition 1500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 纳米技术 化学工程 生物化学 物理 计算机科学 内科学 复合材料 催化作用 物理化学 光电子学 电极 冶金 细胞生物学 基因
热门帖子
关注 科研通微信公众号,转发送积分 6011418
求助须知:如何正确求助?哪些是违规求助? 7560911
关于积分的说明 16136853
捐赠科研通 5158108
什么是DOI,文献DOI怎么找? 2762676
邀请新用户注册赠送积分活动 1741453
关于科研通互助平台的介绍 1633646