In Vivo Long-Term Monitoring of Circulating Tumor Cells Fluctuation during Medical Interventions
Notice bibliographique
Résumé
The goal of this research was to study the long-term impact of medical interventions on circulating tumor cell (CTC) dynamics. We have explored whether tumor compression, punch biopsy or tumor resection cause dissemination of CTCs into peripheral blood circulation using in vivo fluorescent flow cytometry and breast cancer-bearing mouse model inoculated with MDA-MB-231-Luc2-GFP cells in the mammary gland. Two weeks after tumor inoculation, three groups of mice were the subject of the following interventions: (1) tumor compression for 15 minutes using 400 g weight to approximate the pressure during mammography; (2) punch biopsy; or (3) surgery. The CTC dynamics were determined before, during and six weeks after these interventions. An additional group of tumor-bearing mice was used as control and did not receive an intervention. The CTC dynamics in all mice were monitored weekly for eight weeks after tumor inoculation. We determined that tumor compression did not significantly affect CTC dynamics, either during the procedure itself (P = 0.28), or during the 6-week follow-up. In the punch biopsy group, we observed a significant increase in CTC immediately after the biopsy (P = 0.02), and the rate stayed elevated up to six weeks after the procedure in comparison to the tumor control group. The CTCs in the group of mice that received a tumor resection disappeared immediately after the surgery (P = 0.03). However, CTC recurrence in small numbers was detected during six weeks after the surgery. In the future, to prevent these side effects of medical interventions, the defined dynamics of intervention-induced CTCs may be used as a basis for initiation of aggressive anti-CTC therapy at time-points of increasing CTC number.
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) | 0,000 | 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 ».