Microfluidic Multiculture Assay to Analyze Biomolecular Signaling in Angiogenesis
Notice bibliographique
Résumé
Angiogenesis (the formation of blood vessels from existing blood vessels) plays a critical role in many diseases such as cancer, benign tumors, and macular degeneration. There is a need for cell culture methods capable of dissecting the intricate regulation of angiogenesis within the microenvironment of the vasculature. We have developed a microscale cell-based assay that responds to complex pro- and antiangiogenic soluble factors with an in vitro readout for vessel formation. The power of this system over traditional techniques is that we can incorporate the whole milieu of soluble factors produced by cells in situ into one biological readout (vessel formation), even if the identity of the factors is unknown. We have currently incorporated macrophages, endothelial cells, and fibroblasts into the assay, with the potential to include additional cell types in the future. Importantly, the microfluidic platform is simple to operate and multiplex to test drugs targeting angiogenesis in a more physiologically relevant context. As a proof of concept, we tested the effect of an enzyme inhibitor (targeting matrix metalloproteinase 12) on vessel formation; the triculture microfluidic assay enabled us to capture a dose-dependent effect entirely missed in a simplified coculture assay (p < 0.0001). This result underscores the importance of cell-based assays that capture chemical cross-talk occurring between cell types. The microscale dimensions significantly reduce cell consumption compared to conventional well plate platforms, enabling the use of limited primary cells from patients in future investigations and offering the potential to screen therapeutic approaches for individual patients in vitro.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».