MARC

 008260126s2023        us                              c    eng  d
■001000017359210
■00520260202104850
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798288814457
■035    ▼a(MiAaPQ)AAI32200947
■035    ▼a(MiAaPQ)Stanfordgm923wn6738
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a616
■1001  ▼aLi,  Irene.
■24510▼aSpatial  and  Molecular  Analysis  of  Growth  Patterns  in  the  Lung  Adenocarcinoma  Microenvironment
■260    ▼a[Sl]▼bStanford  University▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a147  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  87-02,  Section:  B.
■500    ▼aAdvisor:  Plevritis,  Sylvia.
■5021  ▼aThesis  (Ph.D.)--Stanford  University,  2023.
■520    ▼aNon-small  cell  lung  cancer  adenocarcinoma  tumors  are  composed  of  heterogeneous  cell  populations  that  contribute  to  the  development  and  dissemination  of  malignancies.  Lung  adenocarcinoma  tumors  have  been  observed  to  progress  through  a  well-defined  series  of  histologic  growth  patterns,  including  lepidic,  acinar,  papillary,  and  solid  designations.  These  patterns  are  routinely  utilized  clinically  and  have  been  shown  to  correlate  with  clinical  prognosis.  Fibroblast  cells  are  among  the  most  prevalent  within  this  microenvironment,  but  their  relationship  to  growth  patterns  in  lung  adenocarcinoma  is  understudied.  Despite  the  close  association  of  lung  adenocarcinoma  growth  patterns  with  prognosis  and  growing  interest  in  the  roles  of  pathological  fibroblasts,  the  predominant  fibroblast  subtypes  and  their  interactions  within  the  context  of  each  lung  adenocarcinoma  growth  pattern  are  poorly  defined.  To  understand  the  many  cell  types  present  in  the  lung  adenocarcinoma  tumor  microenvironment,  with  a  focus  on  resident  lung  fibroblasts,  I  generated  an  imaging  dataset  comprising  whole-slide  images  of  8  lung  adenocarcinoma  tumors  and  analyzed  spatially  bound  growth  pattern  regions  annotated  by  an  expert  pathologist.  I  initialized  a  novel  multiplexed  immunofluorescence  microfluidics  instrument,  developed  a  tumor  marker  panel  for  use  in  said  instrument,  and  collected  an  in-house  lung  tumor  tissue  sample  bank.  I  utilized  this  pipeline  and  methods  to  investigate  specific  biological  hypotheses  in  lung  adenocarcinoma  fibroblast  subtype  localization  with  other  cell  types  in  varying  histological  growth  patterns.  In  particular,  I  observed  that  colocalization  of  fibroblasts  expressing  the  surface  marker  CD90  with  CD3+  T  cells  are  more  associated  with  invasive  acinar  than  noninvasive  lepidic  growth  patterns.  I  utilized  an  independent  lung  tumor  microarray  dataset  to  perform  concurrent  analyses  and  found  that  this  spatial  cell  association  signature  is  correlated  with  prognosis  and  survival.  I  also  leveraged  multiple  sources  of  imaging  in  these  samples,  revealing  the  potential  of  extracellular  matrix  features  in  predicting  nodal  status  of  individual  samples.  I  observed  differential  changes  in  the  localization  of  specific  cell  types  and  calculated  extracellular  matrix  features  in  lung  adenocarcinoma  samples  depending  on  nodal  involvement.  By  defining  pathological  lung  fibroblast  subtypes  through  their  shared  markers,  interactions  with  other  cells,  and  functions,  I  shed  light  on  these  crucial  components  of  the  tumor  microenvironment  and  ultimately  define  fibroblast-  and  microenvironment-based  treatment  targets  for  lung  adenocarcinoma.  These  studies  contribute  to  the  field's  understanding  of  spatial  fibroblast  interactions  with  the  lung  adenocarcinoma  microenvironment  and  offer  a  conceptual  framework  for  future  investigations  into  the  tumor  microenvironment.
■590    ▼aSchool  code:  0212.
■650  4▼aCancer
■650  4▼aMetastasis
■650  4▼aFibroblasts
■650  4▼aExtracellular  matrix
■650  4▼aBiomarkers
■650  4▼aBiology
■650  4▼aOncology
■650  4▼aLung  cancer
■690    ▼a0306
■690    ▼a0992
■71020▼aStanford  University.
■7730  ▼tDissertations  Abstracts  International▼g87-02B.
■790    ▼a0212
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17359210▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서