Isolation of Phenotypically Distinct Cancer Cells Using Nanoparticle-Mediated Sorting
Notice bibliographique
Résumé
Isolating subpopulations of heterogeneous cancer cells is an important capability for the meaningful characterization of circulating tumor cells at different stages of tumor progression and during the epithelial-to-mesenchymal transition. Here, we present a microfluidic device that can separate phenotypically distinct subpopulations of cancer cells. Magnetic nanoparticles coated with antibodies against the epithelial cell adhesion molecule (EpCAM) are used to separate breast cancer cells in the microfluidic platform. Cells are sorted into different zones on the basis of the levels of EpCAM expression, which enables the detection of cells that are losing epithelial character and becoming more mesenchymal. The phenotypic properties of the isolated cells with low and high EpCAM are then assessed using matrix-coated surfaces for collagen uptake analysis, and an NAD(P)H assay that assesses metabolic activity. We show that low-EpCAM expressing cells have higher collagen uptake and higher folate-induced NAD(P)H responses compared to those of high-EpCAM expressing cells. In addition, we tested SKBR3 cancer cells undergoing chemically induced hypoxia. The induced cells have reduced expression of EpCAM, and we find that these cells have higher collagen uptake and NAD(P)H metabolism relative to noninduced cells. This work demonstrates that nanoparticle-mediated binning facilitates the isolation of functionally distinct cell subpopulations and allows surface marker expression to be associated with invasiveness, including collagen uptake and metabolic activity.
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) | 0,001 | 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) | 0,001 | 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 ».