AH
Andrea Hawkins‐Daarud
Author with expertise in Gliomas
Achievements
Cited Author
Key Stats
Upvotes received:
0
Publications:
19
(37% Open Access)
Cited by:
28
h-index:
21
/
i10-index:
34
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

MultiCellDS: a community-developed standard for curating microenvironment-dependent multicellular data

Samuel Friedman et al.Nov 30, 2016
Abstract Exchanging and understanding scientific data and their context represents a significant barrier to advancing research, especially with respect to information siloing. Maintaining information provenance and providing data curation and quality control help overcome common concerns and barriers to the effective sharing of scientific data. To address these problems in and the unique challenges of multicellular systems, we assembled a panel composed of investigators from several disciplines to create the MultiCellular Data Standard (MultiCellDS) with a use-case driven development process. The standard includes (1) digital cell lines, which are analogous to traditional biological cell lines, to record metadata, cellular microenvironment, and cellular phenotype variables of a biological cell line, (2) digital snapshots to consistently record simulation, experimental, and clinical data for multicellular systems, and (3) collections that can logically group digital cell lines and snapshots. We have created a MultiCellular DataBase (MultiCellDB) to store digital snapshots and the 200+ digital cell lines we have generated. MultiCellDS, by having a fixed standard, enables discoverability, extensibility, maintainability, searchability, and sustainability of data, creating biological applicability and clinical utility that permits us to identify upcoming challenges to uplift biology and strategies and therapies for improving human health.
0
Citation11
0
Save
1

Glioblastoma states are defined by cohabitating cellular populations with progression-, imaging- and sex-distinct patterns

Kamila Bond et al.Mar 26, 2022
Abstract Glioblastomas (GBMs) are biologically heterogeneous within and between patients. Many previous attempts to characterize this heterogeneity have classified tumors according to their omics similarities. These discrete classifications have predominantly focused on characterizing malignant cells, neglecting the immune and other cell populations that are known to be present. We leverage a manifold learning algorithm to define a low-dimensional transcriptional continuum along which heterogeneous GBM samples organize. This reveals three polarized states: invasive, immune/inflammatory, and proliferative. The location of each sample along this continuum correlates with the abundance of eighteen malignant, immune, and other cell populations. We connect these cell abundances with magnetic resonance imaging and find that the relationship between contrast enhancement and tumor composition varies with patient sex and treatment status. These findings suggest that GBM transcriptional biology is a predictably constrained continuum that contains a limited spectrum of viable cell cohabitation ecologies. Since the relationships between this ecological continuum and imaging vary with patient sex and tumor treatment status, studies that integrate imaging features with tumor biology should incorporate these variables in their design.
1
Citation5
0
Save
0

Investigating the Role of Hypoxia-Induced Migration in Glioblastoma Growth Rates

Lee Curtin et al.Dec 5, 2019
We analyze the wave-speed of the Proliferation Invasion Hypoxia Necrosis Angiogenesis (PIHNA) model that was previously created and applied to simulate the growth and spread of glioblastoma (GBM), a particularly aggressive primary brain tumor. We extend the PIHNA model by allowing for different hypoxic and normoxic cell migration rates and study the impact of these differences on the wave-speed dynamics. Through this analysis, we find key variables that drive the outward growth of the simulated GBM. We find a minimum tumor wave-speed for the model; this depends on the migration and proliferation rates of the normoxic cells and is achieved under certain conditions on the migration rates of the normoxic and hypoxic cells. If the hypoxic cell migration rate is greater than the normoxic cell migration rate above a threshold, the wave-speed increases above the predicted minimum. This increase in wave-speed is explored through an eigenvalue and eigenvector analysis of the linearized PIHNA model, which yields an expression for this threshold. The PIHNA model suggests that an inherently faster-diffusing hypoxic cell population can drive the outward growth of a GBM as a whole, and that this effect is more prominent for faster proliferating tumors that recover relatively slowly from a hypoxic phenotype.
0

ENvironmental Dynamics Underlying Responsive Extreme Survivors (ENDURES) of Glioblastoma: a Multi-disciplinary Team-based, Multifactorial Analytical Approach

Sandra Johnston et al.Nov 4, 2018
Although glioblastoma is a fatal primary brain cancer with a short median survival of 15 months, a small number of patients survive more than 5 years after diagnosis; they are known as extreme survivors (ES). Due to their rarity, very little is known about what differentiates these outliers from other glioblastoma patients. For the purpose of identifying unknown drivers of extreme survivorship in glioblastoma, we developed the ENDURES consortium (ENvironmental Dynamics Underlying Responsive Extreme Survivors of glioblastoma). This consortium is a multicenter collaborative network of investigators focused on the integration of multiple types of clinical data and the creation of patient-specific models of tumor growth informed by radiographic and histological parameters. Leveraging our combined resources, the goals of the ENDURES consortium are two-fold: (1) to build a curated, searchable, multilayered repository housing clinical and outcome data on a large cohort of ES patients with glioblastoma and (2) to leverage the ENDURES repository for new insights on tumor behavior and novel targets for prolonging survival for all glioblastoma patients. In this article, we review the available literature and discuss what is already known about ES. We then describe the creation of our consortium and some of our preliminary results.
0

Image-based metric of invasiveness predicts response to adjuvant temozolomide for primary glioblastoma

Susan Massey et al.Jan 2, 2019
Temozolomide (TMZ) has been the standard-of-care chemotherapy for glioblastoma (GBM) patients for more than a decade. Despite this long time in use, significant questions remain regarding how best to optimize TMZ therapy for individual patients. Understanding the relationship between TMZ response and factors such as number of adjuvant TMZ cycles, patient age, patient sex, and image-based tumor features, might help predict which GBM patients would benefit most from TMZ, particularly for those whose tumors are not MGMT methylated. Using a cohort of 90 newly-diagnosed GBM patients treated according to the Stupp protocol, we examined the relationships between several patient and tumor characteristics and volumetric and survival outcomes during adjuvant chemotherapy. Volumetric changes in MR imaging abnormalities during adjuvant therapy were used to assess TMZ response. T1Gd volumetric response is associated with younger patient age, increased number of TMZ cycles, longer time to nadir volume, and decreased tumor invasiveness. Moreover, increased adjuvant TMZ cycles corresponded with improved volumetric response only among more nodular tumors, and this volumetric response was associated with improved survival outcomes. Finally, in a subcohort of patients with known MGMT methylation status, MGMT methylated tumors were more diffusely invasive than unmethylated tumors, suggesting that the improved response in nodular tumors is not driven by a preponderance of MGMT methylated tumors. Our finding that less diffusely invasive tumors are associated with greater volumetric response to TMZ suggests that patients with these tumors may benefit from additional cycles of adjuvant TMZ, even for those without MGMT methylation.
0

From cells to tissue: How cell scale heterogeneity impacts glioblastoma growth and treatment response

Jill Gallaher et al.May 26, 2019
Glioblastomas are aggressive primary brain tumors known for their inter- and intratumor heterogeneity. This disease is uniformly fatal, with intratumor heterogeneity the major reason for treatment failure and recurrence. Just like the nature vs nurture debate, heterogeneity can arise from heritable or environmental influences. Whilst it is impossible to clinically separate observed behavior of cells from their environmental context, using a mathematical framework combined with multiscale data gives us insight into the relative roles of variation from inherited and environmental sources.To better understand the implications of intratumor heterogeneity on therapeutic outcomes, we created a hybrid agent-based mathematical model that captures both the overall tumor kinetics and the individual cellular behavior. We track single cells as agents, cell density on a coarser scale, and growth factor diffusion and dynamics on a finer scale over time and space. Our model parameters were fit utilizing serial MRI imaging and cell tracking data from ex vivo tissue slices acquired from a growth-factor driven glioblastoma murine model.When fitting our model to serial imaging only, there was a spectrum of equally-good parameter fits corresponding to a wide range of phenotypic behaviors. This wide spectrum of in silico tumors also had a wide variety of responses to an application of an antiproliferative treatment. Recurrent tumors were generally less proliferative than pre-treatment tumors as measured via the model simulations and validated from human GBM patient histology. When fitting our model using imaging and cell scale data, we determined that heritable heterogeneity is required to capture the observed migration behavior. Further, we found that all tumors increased in size after an anti-migratory treatment, and some tumors were larger after a combination treatment than with an anti-proliferative treatment alone. Together our results emphasize the need to understand the underlying phenotypes and tumor heterogeneity in designing therapeutic regimens.
0

Sex Differences in Predictors of Seizure in Contrast-Enhancing Gliomas at Clinical Presentation: A Network Approach

Sandra Johnston et al.Jul 22, 2019
Background Brain tumor related epilepsy (BTE) is a major co-morbidity related to the management of patients with brain cancer. Despite published practice guidelines recommending against anti-epileptic drug (AED) utilization in patients with gliomas, there is heterogeneity in prescription practices of AEDs in these patients. In an attempt to impact BTE management, we statistically analyzed clinically relevant attributes (sex, age, tumor size, tumor growth kinetics, and tumor location) pertaining to seizure at presentation and used them to build a computational machine learning model to predict the probability of a seizure (at presentation).Methods From our clinical data repository, we identified 223 patients (females, n=86; males, n=137) with pathologically-determined glioma and known seizure status at clinical presentation. Non-parametric and Fisher’s Exact tests were used to identify statistical differences in clinical characteristics. We utilized a random forest machine learning method for generating our predictive models by entire cohort and separated by male and female.Findings Patients were divided into those that presented with seizure (SP, n=96, 43%; F, n= 28; M, n= 68) and those that presented without seizure (nSP, n=127, 57%, F n=58, M n=69). Females presented with seizures significantly less often than males (x2=6·28, p=0·01). SP patients had significantly smaller T1Gd radius compared to nSP (SP 11·30mm, nSP 18.66mm, p<0·0001). Tumor size and patient age were significant negative predictors for SP; patients with larger tumors, older age and less tumor diffusivity (p/D) were at lower risk for SP.Interpretation Despite heterogeneity across our patient cohort, there is strong evidence of a role for patient sex, tumor size, tumor invasion, and patient age in predicting the incidence of seizures at diagnosis. Future studies, with prospectively detailed data collection, may provide clearer insights into the incidence of seizures through a patient’s treatment course.
Load More