Harnessing preclinical models for the interrogation of ovarian cancer.
Harnessing preclinical models for the interrogation of ovarian cancer.
复制标题
利用临床前模型来研究卵巢癌
DOI：
10.1186/s13046-022-02486-z
复制
发表时间：
2022-09-16
影响因子：
11.3
通讯作者：
Sun, Chaoyang
中科院分区：
文献类型：
--
作者：
Qin, Tianyu;Fan, Junpeng;Lu, Funian;Zhang, Li;Liu, Chen;Xiong, Qiyue;Zhao, Yang;Chen, Gang;Sun, Chaoyang
关键词：
卵巢癌（OC）是一种异质性恶性肿瘤，具有多种病因、组织病理学特征和生物学特性。尽管在后基因组时代，我们对卵巢癌的认识不断积累，但临床前研究成果从实验室到临床的转化仍然有限，在过去30年里，卵巢癌的预后一直不容乐观。因此，需要可靠的临床前模型系统来弥合实验室实验与临床实践之间的差距。在这篇综述中，我们探讨了卵巢癌临床前模型的现状，包括传统细胞系模型、患者来源的异种移植瘤（PDX）、患者来源的类器官（PDO）、患者来源的外植体（PDE）以及基因工程小鼠模型（GEMM）。每种模型都有其自身的优缺点。我们重点关注单独或联合使用这些有价值的工具来探究卵巢癌关键问题的潜力与挑战。
Ovarian cancer (OC) is a heterogeneous malignancy with various etiology, histopathology, and biological feature. Despite accumulating understanding of OC in the post-genomic era, the preclinical knowledge still undergoes limited translation from bench to beside, and the prognosis of ovarian cancer has remained dismal over the past 30 years. Henceforth, reliable preclinical model systems are warranted to bridge the gap between laboratory experiments and clinical practice. In this review, we discuss the status quo of ovarian cancer preclinical models which includes conventional cell line models, patient-derived xenografts (PDXs), patient-derived organoids (PDOs), patient-derived explants (PDEs), and genetically engineered mouse models (GEMMs). Each model has its own strengths and drawbacks. We focus on the potentials and challenges of using these valuable tools, either alone or in combination, to interrogate critical issues with OC.
登录
查看更多内容
影响因子：
4.7
作者：
Chen H;Gotimer K;De Souza C;Tepper CG;Karnezis AN;Leiserowitz GS;Chien J;Smith LH
通讯作者：
Smith LH
影响因子：
14.9
作者：
Conte, Nathalie;Mason, Jeremy C.;Bult, Carol C.
通讯作者：
Bult, Carol C.
影响因子：
3.7
作者：
Beaufort CM;Helmijr JC;Piskorz AM;Hoogstraat M;Ruigrok-Ritstier K;Besselink N;Murtaza M;van IJcken WF;Heine AA;Smid M;Koudijs MJ;Brenton JD;Berns EM;Helleman J
通讯作者：
Helleman J
影响因子：
11
作者：
Chang, Yu-Hsun;Chu, Tang-Yuan;Ding, Dah-Ching
通讯作者：
Ding, Dah-Ching
影响因子：
30.8
作者：
Ben-David U;Ha G;Tseng YY;Greenwald NF;Oh C;Shih J;McFarland JM;Wong B;Boehm JS;Beroukhim R;Golub TR
通讯作者：
Golub TR