MétaCan
Menu
Retour à la cohorte
Enregistrement W2601107784 · doi:10.3791/55544

An Efficient and Flexible Cell Aggregation Method for 3D Spheroid Production

2017· article· en· W2601107784 sur OpenAlexafffund
Sarah M. Maritan, Eric Lian, Lois M. Mulligan

Notice bibliographique

RevueJournal of Visualized Experiments · 2017
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensQueen's University
Organismes subventionnairesCancer Research Society
Mots-clésSpheroidCell biologyCellCell culture3D cell cultureAnoikisCell growthCell typeMulticellular organismIn vivoBiologyChemistryCancer cellGeneticsCancer

Résumé

récupéré en direct d'OpenAlex

Monolayer cell culture does not adequately model the in vivo behavior of tissues, which involves complex cell-cell and cell-matrix interactions. Three-dimensional (3D) cell culture techniques are a recent innovation developed to address the shortcomings of adherent cell culture. While several techniques for generating tissue analogues in vitro have been developed, these methods are frequently complex, expensive to establish, require specialized equipment, and are generally limited by compatibility with only certain cell types. Here, we describe a rapid and flexible protocol for aggregating cells into multicellular 3D spheroids of consistent size that is compatible with growth of a variety of tumor and normal cell lines. We utilize varying concentrations of serum and methyl cellulose (MC) to promote anchorage-independent spheroid generation and prevent the formation of cell monolayers in a highly reproducible manner. Optimal conditions for individual cell lines can be achieved by adjusting MC or serum concentrations in the spheroid formation medium. The 3D spheroids generated can be collected for use in a wide range of applications, including cell signaling or gene expression studies, candidate drug screening, or in the study of cellular processes such as tumor cell invasion and migration. The protocol is also readily adapted to generate clonal spheroids from single cells, and can be adapted to assess anchorage-independent growth and anoikis-resistance. Overall, our protocol provides an easily modifiable method for generating and utilizing 3D cell spheroids in order to recapitulate the 3D microenvironment of tissues and model the in vivo growth of normal and tumor cells.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,478
Écart entre enseignants0,432 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations64
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207