Intracellular Acidification in Brain Tumors Induced by Topiramate : In-Vivo Detection Using Chemical Exchange Saturation Transfer Magnetic Resonance Imaging
Notice bibliographique
Résumé
Glioblastoma Multiforme (GBM) is the most aggressive and malignant form of primary brain tumor. In many tumors, increased intracellular pH (pHi) is a hallmark of aggressiveness. This increased pHi has been shown to be related to cell proliferation and evasion of apoptosis as well as resistance to chemotherapy. As such, monitoring pHi and the tumor pHi response to pharmacologic challenge, may aid in treatment planning and patient management for this deadly cancer. A magnetic resonance imaging (MRI) method called Chemical Exchange Saturation Transfer (CEST) has been used to detect changes in pHi. Our group has recently developed a CEST technique called amine and amide concentration independent detection (AACID), which was shown to be sensitive to pHi changes induced by the anticancer drug, lonidamine (LND). However, LND is not currently approved for use in humans. Our objective was to demonstrate that topiramate (TPM), an antiepileptic drug that is well tolerated in humans, could also induce tumor acidification. The goal this thesis was to quantify the changes in pHi induced by a single dose of TPM in a mouse model of brain tumor. CEST spectra were acquired using a 9.4T MRI scanner, before and 75 minutes after administration of TPM (dose: 120 mg/kg). A significant increase in the AACID CEST effect was observed within brain tumors with no change observed in contralateral tissue. The increase in AACID CEST corresponds to tumor acidification as expected. Therefore TPM induced a rapid measurable metabolic change in tumors that could provide valuable insight into cancer aggressiveness and aid in tumor detection.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».