Quantitative Assessment of Human Endometriotic Tissue Maintenance and Regression in a Noninvasive Mouse Model of Endometriosis
Notice bibliographique
Résumé
Endometriosis is a prevalent disease characterized by the estrogen-dependent ectopic growth of endometrial tissue. Most of the current medical therapies consist in inducing a hypoestrogenic state in patients, but these treatments are associated with severe side effects and high recurrence rates. The development of convenient and reliable endometriosis animal models would be instrumental to accelerate the emergence of new therapeutic alternatives. Recently, we developed an improved experimental model for endometriosis, relying on the infection of human endometrial fragments by an adenovirus carrying the green fluorescent protein. Following injection of fluorescent fragments into nude mice, the implantation and growth of endometriotic-like lesions could be followed noninvasively. In the present work, we demonstrate that this model can be used to quantify the size of fluorescent endometriotic lesions by in vivo imaging. To this end, we repeatedly measured lesion size over a 4-week period in mice supplemented or not with estradiol. The model was adequate to confirm previous results showing that estrogen is dispensable for the implantation phase of endometrial tissue, whereas it is required for lesion maintenance. As a proof of concept for inducing regression of established lesions, ganciclovir was used to treat animals implanted with human fluorescent endometrial fragments expressing thymidine kinase. A significant decrease in lesion size was observed by in vivo imaging in ganciclovir-treated mice. Together, the data indicate that the noninvasive animal model described here provides a tool for drug testing and/or gene target validation in endometriosis.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».