MétaCan
Menu
Retour à la cohorte
Enregistrement W2732174907 · doi:10.1038/s41598-017-04691-9

Directing the Self-assembly of Tumour Spheroids by Bioprinting Cellular Heterogeneous Models within Alginate/Gelatin Hydrogels

2017· article· en· W2732174907 sur OpenAlexafffund
Tao Jiang, José G. Munguia-López, Salvador Flores-Torres, Joel Grant, Sanahan Vijayakumar, Antonio De León‐Rodríguez, Joseph M. Kinsella

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensMcGill University
Organismes subventionnairesChina Scholarship CouncilConsejo Nacional de Ciencia y TecnologíaMcGill University
Mots-clésSpheroidSelf-healing hydrogels3D bioprintingGelatinStromal cellFibroblastExtracellular matrixIn vitroCell biologyMatrix (chemical analysis)Cancer-Associated FibroblastsTumor microenvironmentMulticellular organismChemistryCancer researchBiologyBiomedical engineeringTissue engineeringMedicineBiochemistryCellTumor cells

Résumé

récupéré en direct d'OpenAlex

Human tumour progression is a dynamic process involving diverse biological and biochemical events such as genetic mutation and selection in addition to physical, chemical, and mechanical events occurring between cells and the tumour microenvironment. Using 3D bioprinting we have developed a method to embed MDA-MB-231 triple negative breast cancer cells, and IMR-90 fibroblast cells, within a cross-linked alginate/gelatin matrix at specific initial locations relative to each other. After 7 days of co-culture the MDA-MB-231 cells begin to form multicellular tumour spheroids (MCTS) that increase in size and frequency over time. After ~15 days the IMR-90 stromal fibroblast cells migrate through a non-cellularized region of the hydrogel matrix and infiltrate the MDA-MB-231 spheroids creating mixed MDA-MB-231/IMR-90 MCTS. This study provides a proof-of-concept that biomimetic in vitro tissue co-culture models bioprinted with both breast cancer cells and fibroblasts will result in MCTS that can be maintained for durations of several weeks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,175
Score d'incertitude au seuil0,806

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,253
Écart entre enseignants0,236 · 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 tête enseignante, 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
GenreEmpirique

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

En bref

Citations134
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujet3D Printing in Biomedical ResearchTravaux en français237 207