Microscale 3D Collagen Cell Culture Assays in Conventional Flat-Bottom 384-Well Plates
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Three-dimensional (3D) culture systems such as cell-laden hydrogels are superior to standard two-dimensional (2D) monolayer cultures for many drug-screening applications. However, their adoption into high-throughput screening (HTS) has been lagging, in part because of the difficulty of incorporating these culture formats into existing robotic liquid handling and imaging infrastructures. Dispensing cell-laden prepolymer solutions into 2D well plates is a potential solution but typically requires large volumes of reagents to avoid evaporation during polymerization, which (1) increases costs, (2) makes drug penetration variable and (3) complicates imaging. Here we describe a technique to efficiently produce 3D microgels using automated liquid-handling systems and standard, nonpatterned, flat-bottomed, 384-well plates. Sub-millimeter-diameter, cell-laden collagen gels are deposited on the bottom of a ~2.5 mm diameter microwell with no concerns about evaporation or meniscus effects at the edges of wells, using aqueous two-phase system patterning. The microscale cell-laden collagen-gel constructs are readily imaged and readily penetrated by drugs. The cytotoxicity of chemotherapeutics was monitored by bioluminescence and demonstrated that 3D cultures confer chemoresistance as compared with similar 2D cultures. Hence, these data demonstrate the importance of culturing cells in 3D to obtain realistic cellular responses. Overall, this system provides a simple and inexpensive method for integrating 3D culture capability into existing HTS infrastructure.
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.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle