Investigating vascular-targeting strategies with three-dimensional power Doppler ultrasound.
Notice bibliographique
Résumé
Vascular targeting agents have been recently combined strategically with existing cancer therapies to potentially enhance tumor response. Our aim was thus to investigate the role of blood vessels in radiation response and how blood vessels can be targeted to enhance treatments. Breast cancer MDA-MB-231 xenografts were treated with single radiation doses of 0–16 Gy alone, or in combination with Sutent, an antiangiogenic agent. 3-D ultrasound tumor data were acquired before and 24 h after treatment using a 25-MHz transducer and a VEVO770. The vascularity index (VI) was used to quantify blood from power Doppler data, while quantitative ultrasound spectroscopy (QUS) was used to monitor tumor cell death. Staining using TUNEL and CD31 of tumor sections was used to measure cell death and tumor vasculature distributions. Preliminary results indicated a VI decrease of up to 50% when tumors were irradiated with 16 Gy. Sutent-radiation combination treatments showed an increase in the VI, which may be associated with a vascular normalization effect. Analyses with QUS and TUNEL staining indicate an enhanced dose-dependent increase in tumor cell death when radiation was combined with Sutent. These results indicate that Sutent treatment may radiosensitize tumors by altering the tumor microenvironment. [Work funded by the Canadian Breast Cancer Foundation.]
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».