MétaCan
Menu
Retour à la cohorte
Enregistrement W2808288731 · doi:10.1007/s12079-018-0469-z

Modelling glioma invasion using 3D bioprinting and scaffold-free 3D culture

2018· article· en· W2808288731 sur OpenAlexafffund
Derek M. van Pel, Kaori Harada, Dandan Song, Christian C. Naus, Wun Chey Sin

Notice bibliographique

RevueJournal of Cell Communication and Signaling · 2018
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanada Research ChairsCanadian Cancer SocietyFaculty of Medicine, University of British Columbia
Mots-clés3D cell cultureGliomaScaffoldOrganoidParenchymaSpheroid3D bioprintingProgenitor cellCell cultureNeural stem cellPathologyHuman brainCancer cellBiologyNeuroscienceCancer researchStem cellMedicineCancerBiomedical engineeringCell biologyTissue engineeringInternal medicine

Résumé

récupéré en direct d'OpenAlex

Glioma is a highly aggressive form of brain cancer, with some subtypes having 5-year survival rates of less than 5%. Tumour cell invasion into the surrounding parenchyma seems to be the primary driver of these poor outcomes, as most gliomas recur within 2 cm of the original surgically-resected tumour. Many current approaches to the development of anticancer therapy attempt to target genetic weaknesses in a particular cancer, but may not take into account the microenvironment experienced by a tumour and the patient-specific genetic differences in susceptibility to treatment. Here we demonstrate the use of complementary approaches, 3D bioprinting and scaffold-free 3D tissue culture, to examine the invasion of glioma cells into neural-like tissue with 3D confocal microscopy. We found that, while both approaches were successful, the use of 3D tissue culture for organoid development offers the advantage of broad accessibility. As a proof-of-concept of our approach, we developed a system in which we could model the invasion of human glioma cells into mouse neural progenitor cell-derived spheroids. We show that we can follow invasion of human tumour cells using cell-tracking dyes and 3D laser scanning confocal microscopy, both in real time and in fixed samples. We validated these results using conventional cryosectioning. Our scaffold-free 3D approach has broad applicability, as we were easily able to examine invasion using different neural progenitor cell lines, thus mimicking differences that might be observed in patient brain tissue. These results, once applied to iPSC-derived cerebral organoids that incorporate the somatic genetic variability of patients, offer the promise of truly personalized treatments for brain cancer.

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)0,000
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,041
Tête enseignante GPT0,280
Écart entre enseignants0,239 · 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
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

Citations64
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Cell Communication and SignalingMême sujet3D Printing in Biomedical ResearchTravaux en français237 207