Preservation of the 3D Phenotype Upon Dispersal of Cultured Cell Spheroids Into Monolayer Cultures
Notice bibliographique
Résumé
In functional cytometric studies, cultured cells are exposed to effectors (e.g., drugs), and the heterogeneity of cell responses are studied using cytometry techniques (e.g., image cytometry). Such studies are difficult to perform on 3D cell cultures. A solution is to disperse 3D clusters and transfer the cells to the 2D state before applying effectors and using cytometry. This approach requires that the lifetime of the 3D phenotype be longer than the duration of the experiment. Here we studied the dynamics of phenotype transformation from 3D to 2D and searched for means of slowing this transformation down in dispersed spheroids of MCF7 cells. We found three functional biomarkers of the 3D phenotype in MCF7 cell spheroids that are absent in the 2D cell culture: (i) the presence of a subpopulation with an elevated drug-expelling capacity; (ii) the presence of a subpopulation with an elevated cytoprotective capacity; and (iii) the accumulation of cells in the G1 phase of the cell cycle. Monitoring these biomarkers in cells transferred from the 3D state to the 2D state revealed their gradual extinction. We found that the combined application of an elevated cell density and thiol-containing medium supplements increased the lifetime of the 3D phenotype by several fold to as long as 96 h. Our results suggest that extending the lifetime of the 3D phenotype in the cells transferred from the 3D state to the 2D state can facilitate detailed functional cytometric studies, such as measurements of population heterogeneity of cytotoxicity, chemosensitivity, and radiosensitivity. J. Cell. Biochem. 118: 154-162, 2017. © 2016 Wiley Periodicals, Inc.
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 | 0,001 | 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 ».