Three-Dimensional Imaging and Quantification of Both Solitary Cells and Metastases in Whole Mouse Liver by Magnetic Resonance Imaging
Notice bibliographique
Résumé
The metastatic cell population, ranging from solitary cells to actively growing metastases, is heterogeneous and unlikely to respond uniformly to treatment. However, quantification of the entire experimental metastatic cell population in whole organs is complicated by requirements of an imaging modality with the large field of view and high spatial resolution necessary to detect both single cells and metastases in the same organ. Thus, it is difficult to assess differential responses of these distinct metastatic populations to therapy. Here, we develop a magnetic resonance imaging (MRI) technique capable of quantifying the full population of metastatic cells in a secondary organ. B16F1 mouse melanoma cells were labeled with micron-sized iron oxide particles (MPIO) and injected into mouse liver via the mesenteric vein. Livers were removed immediately or at day 9 or 11, following doxorubicin or vehicle control treatment, and imaged using a 3T clinical magnetic resonance scanner and custom-built gradient coil. Both metastases (>200 microm) and MPIO-labeled single cells were detected and quantified from MR images as areas of hyperintensity or hypointensity (signal voids), respectively. We found that 1mg/kg doxorubicin treatment inhibited metastasis growth (n = 11 per group; P = 0.02, t test) but did not decrease the solitary metastatic cell population in the same livers (P > 0.05). Thus, the technique presented here is capable of quickly quantifying the majority of the metastatic cell population, including both growing metastases and solitary cells, in whole liver by MRI and can identify differential responses of growing metastases and solitary cells to therapy.
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 | 0,001 | 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 ».