Quantifying angiogenesis in VEGF‐enhanced tissue‐engineered bladder constructs by dynamic contrast‐enhanced MRI using contrast agents of different molecular weights
Notice bibliographique
Résumé
PURPOSE: To compare Gadomer, a macromolecular magnetic resonance (MR) contrast agent, and gadolinium diethylenetriamine pentaacetic acid (Gd-DTPA) for quantifying angiogenesis in tissue-engineered bladder constructs. MATERIALS AND METHODS: Constructs enhanced with vascular endothelial growth factor (VEGF) were grafted onto the bladder of 12 rabbits (N= 3/VEGF, VEGF = 0,10,15,20 ng/g tissue). After eight days dynamic contrast-enhanced MRI (DCE-MRI) was performed in each animal using Gadomer and Gd-DTPA, separated by a one-hour interval. DCE-MRI parameters were calculated from two-compartment pharmacokinetics (plasma volume fraction, v(p); transfer constant, K(trans)) and model-free analysis, area under the concentration-time curve (AUC). Histology assessment of microvessel density (MVD) and Evans blue permeability were compared to DCE-MRI. RESULTS: MVD was elevated (P < 0.05) at the highest VEGF but not among lower levels; permeability differences were absent. Contrast enhancement increased with VEGF and was better resolved with Gadomer than Gd-DTPA. Gadomer was the better assay for estimating plasma volume: v(p) provided the best distinction (P < 0.005), but both v(p) and AUC were correlated to MVD. With Gd-DTPA, only AUC distinguished MVD differences (P< 0.05). Changes in K(trans) were insignificant. CONCLUSION: Macromolecular contrast agents are valuable for monitoring angiogenesis in tissue-engineered bladder grafts. Compared to Gd-DTPA, Gadomer provides more accurate and precise quantification of microvessel function, and is better suited to pharmacokinetic analysis for accurate physiological quantification.
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) | 0,001 | 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 ».