Characterization of brain cancer stem cells: a mathematical approach
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
OBJECTIVE: In recent years, support has increased for the notion that a subpopulation of brain tumour cells in possession of properties typically characteristic of stem cells is responsible for initiating and maintaining the tumour. Unravelling details of the brain tumour stem cell (BTSC) hierarchy, as well as interactions of these cells with various therapies, will be essential in the design of optimal treatment strategies. MATERIALS AND METHODS: Motivated by this, we have developed a mathematical model of the BTSC hypothesis that may aid in characterization of brain tumours, as well as in prediction of effective therapeutic strategies, which can be further validated in experimental and clinical studies. At the level of a small number of cells, the model developed herein is stochastic. For larger populations of cancer cells, the model is handled from a deterministic approach. RESULTS AND CONCLUSIONS: In the stochastic regime, importance of a relationship between the likelihoods of two distinct types of symmetric BTSC divisions in determining BTSC survival rates becomes apparent, consequently emphasizing the need for a set of biomarkers that are able to better characterize the BTSC hierarchy. At the large scale, we predict the importance of the aforementioned symmetric division rates in dictating brain tumour composition. Furthermore, we demonstrate possible therapeutic benefits of considering combination treatments of radiotherapy and putative BTSC inhibitors, such as bone morphogenetic proteins, while reinforcing the importance of developing novel treatment strategies that specifically target the BTSC subpopulation.
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 | 0,000 |
| 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 découle