Bioprintable Alginate/Gelatin Hydrogel 3D <em>In Vitro</em> Model Systems Induce Cell Spheroid Formation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The cellular, biochemical, and biophysical heterogeneity of the native tumor microenvironment is not recapitulated by growing immortalized cancer cell lines using conventional two-dimensional (2D) cell culture. These challenges can be overcome by using bioprinting techniques to build heterogeneous three-dimensional (3D) tumor models whereby different types of cells are embedded. Alginate and gelatin are two of the most common biomaterials employed in bioprinting due to their biocompatibility, biomimicry, and mechanical properties. By combining the two polymers, we achieved a bioprintable composite hydrogel with similarities to the microscopic architecture of a native tumor stroma. We studied the printability of the composite hydrogel via rheology and obtained the optimal printing window. Breast cancer cells and fibroblasts were embedded in the hydrogels and printed to form a 3D model mimicking the in vivo microenvironment. The bioprinted heterogeneous model achieves a high viability for long-term cell culture (> 30 days) and promotes the self-assembly of breast cancer cells into multicellular tumor spheroids (MCTS). We observed the migration and interaction of the cancer-associated fibroblast cells (CAFs) with the MCTS in this model. By using bioprinted cell culture platforms as co-culture systems, it offers a unique tool to study the dependence of tumorigenesis on the stroma composition. This technique features a high-throughput, low cost, and high reproducibility, and it can also provide an alternative model to conventional cell monolayer cultures and animal tumor models to study cancer biology.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle