Animal Models of Liver Cancer: Current Status and Application in Pre-clinical Research
Notice bibliographique
Résumé
Hepatocellular carcinoma (HCC) is one of the most common cancers worldwide. HCC develops in various causes -Viral hepatitis infection, toxins, or other liver conditions -by activation of oncogenes and/or inactivation of tumor suppressors. Understanding of signal pathways and protein-protein interactions critical in tumor development may lead to novel treatment strategy. To evaluate the progression of HCC and effects of potential therapies, various animal models have been established. Experimental models of HCC provide valuable tools to investigate the risk factors, new treatment modalities and biologic characteristics. Subcutaneous xenograft models have been widely used in the past. However, with the advancement of in vivo imaging technology, investigators are more concerned with the orthotopic models nowadays. Genetically engineered mouse models have greatly facilitated studies of gene function in HCC development. Lately, a novel approach for stable gene expression in mouse hepatocytes by hydrodynamic injection has been developed. Each model has its own advantages and disadvantages. Therefore, selecting the optimal models based on study objectives is necessary. In this review, we highlight both the frequently used mouse models and some emerging ones with emphasis on their merits or defects, and give advices for investigators to choose a ''best-fit'' animal model in HCC research. (J Liver Cancer 2017;17:1-14)
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 | 0,000 |
| 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 | 0,001 |
| 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 ».