MétaCan
Menu
Retour à la cohorte
Enregistrement W2755804993 · doi:10.1371/journal.pcbi.1005724

Quantifying the effects of antiangiogenic and chemotherapy drug combinations on drug delivery and treatment efficacy

2017· article· en· W2755804993 sur OpenAlexaff
Sirin Yonucu, Defne Yιlmaz, Colin Phipps, Mehmet Burçin Ünlü, Mohammad Kohandel

Notice bibliographique

RevuePLoS Computational Biology · 2017
Typearticle
Langueen
DomaineMathematics
ThématiqueMathematical Biology Tumor Growth
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesTürkiye Bilimsel ve Teknolojik Araştırma Kurumu
Mots-clésExtravasationAngiogenesisDrugDrug deliveryTumor microenvironmentMedicinePharmacologyCancer researchChemotherapyPathologyTumor cellsInternal medicineNanotechnologyMaterials science

Résumé

récupéré en direct d'OpenAlex

Tumor-induced angiogenesis leads to the development of leaky tumor vessels devoid of structural and morphological integrity.Due to angiogenesis, elevated interstitial fluid pressure (IFP) and low blood perfusion emerge as common properties of the tumor microenvironment that act as barriers for drug delivery.In order to overcome these barriers, normalization of vasculature is considered to be a viable option.However, insight is needed into the phenomenon of normalization and in which conditions it can realize its promise.In order to explore the effect of microenvironmental conditions and drug scheduling on normalization benefit, we build a mathematical model that incorporates tumor growth, angiogenesis and IFP.We administer various theoretical combinations of antiangiogenic agents and cytotoxic nanoparticles through heterogeneous vasculature that displays a similar morphology to tumor vasculature.We observe differences in drug extravasation that depend on the scheduling of combined therapy; for concurrent therapy, total drug extravasation is increased but in adjuvant therapy, drugs can penetrate into deeper regions of tumor. Author summaryTumor vessels being very different from their normal counterparts are leaky and lack organization that sustains blood circulation.As a result, insufficient blood supply and high fluid pressure begin to appear inside the tumor which leads to a reduced delivery of drugs within the tumor, especially in tumor center.A treatment strategy that utilizes antivascular drugs is observed to revert these alterations in tumor vessels, making them more normal.This approach is suggested to improve drug delivery by enhancing physical transport of drugs.In this paper, we build a mathematical model to simulate tumor and vessel growth as well as fluid pressure inside the tumor.This framework enables us to simulate drug treatment scenarios on tumors.We use this model to find whether the delivery of the chemotherapy drugs is enhanced by application of anti-vascular drugs by making vessels more normal.Our simulations show that anti-vascular drug not only enhances the

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,051
Tête enseignante GPT0,325
Écart entre enseignants0,274 · 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'étudeSimulation ou modélisation
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

Citations48
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetMathematical Biology Tumor GrowthTravaux en français237 207