Model-Based Tumor Growth Dynamics and Therapy Response in a Mouse Model of De Novo Carcinogenesis
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
Tumorigenesis is a complex, multistep process that depends on numerous alterations within the cell and contribution from the surrounding stroma. The ability to model macroscopic tumor evolution with high fidelity may contribute to better predictive tools for designing tumor therapy in the clinic. However, attempts to model tumor growth have mainly been developed and validated using data from xenograft mouse models, which fail to capture important aspects of tumorigenesis including tumor-initiating events and interactions with the immune system. In the present study, we investigate tumor growth and therapy dynamics in a mouse model of de novo carcinogenesis that closely recapitulates tumor initiation, progression and maintenance in vivo. We show that the rate of tumor growth and the effects of therapy are highly variable and mouse specific using a Gompertz model to describe tumor growth and a two-compartment pharmacokinetic/ pharmacodynamic model to describe the effects of therapy in mice treated with 5-FU. We show that inter-mouse growth variability is considerably larger than intra-mouse variability and that there is a correlation between tumor growth and drug kill rates. Our results show that in vivo tumor growth and regression in a double transgenic mouse model are highly variable both within and between subjects and that mathematical models can be used to capture the overall characteristics of this variability. In order for these models to become useful tools in the design of optimal therapy strategies and ultimately in clinical practice, a subject-specific modelling strategy is necessary, rather than approaches that are based on the average behavior of a given subject population which could provide erroneous results.
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 | 0,001 | 0,002 |
| 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 découle