Modeling Spontaneous Metastatic Renal Cell Carcinoma (mRCC) in Mice Following Nephrectomy
Notice bibliographique
Résumé
One of the key challenges to improved testing of new experimental therapeutics in renal cell carcinoma (RCC) is the development of models that faithfully recapitulate early- and late-stage metastatic disease progression. Typical tumor implantation models utilize ectopic or orthotopic primary tumor implantation, but few include systemic spontaneous metastatic disease that mimics the clinical setting. This protocol describes the key steps to develop RCC disease progression stages similar to patients. First, it uses a highly metastatic mouse tumor cell line in a syngeneic model to show orthotopic tumor cell implantation. Methods include superficial and internal implantation into the sub-capsular space with cells combined with matrigel to prevent leakage and early spread. Next it describes the procedures for excision of tumor-bearing kidney (nephrectomy), with critical pre- and post- surgical mouse care. Finally, it outlines the steps necessary to monitor and assess micro-and macro-metastatic disease progression, including bioluminescent imaging as well provides a detailed visual necropsy guide to score systemic disease distribution. The goal of this protocol description is to facilitate the widespread use of clinically relevant metastatic RCC models to improve the predictive value of future therapeutic testing.
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 ».