Development of a biomimetic liver tumor-on-a-chip model based on decellularized liver matrix for toxicity testing
Notice bibliographique
Résumé
Cancer poses a great health threat to both developed and developing countries, and anti-cancer drugs are of important interest for improved clinical outcomes. Although tumor-on-a-chip technologies offer a feasible approach to screening drug toxicity, their capability to mimic the native tumor microenvironment (TME) is still limited. For better mimicry of the TME, we developed a biomimetic three-dimensional (3D) liver tumor-on-a-chip with the integration of essential components derived from decellularized liver matrix (DLM) with gelatin methacryloyl (GelMA) in a microfluidics-based 3D dynamic cell culture system. The biomimetic liver tumor-on-a-chip based on the integration of DLM components with GelMA, as opposed to GelMA only, had an increased capability to maintain cell viability and to enhance hepatocyte functions under flow conditions. The improved performance of the DLM-GelMA-based tumor-on-a-chip may be attributed to the provision of biochemical factors (e.g., growth factors), the preservation of scaffold proteins, and the reestablishment of biophysical cues (e.g., stiffness and shear stress) for better recapitulation of the 3D liver TME. Furthermore, this DLM-GelMA-based tumor-on-a-chip exhibited linear dose-dependent drug responses to the toxicity of acetaminophen and sorafenib. Taken together, our study demonstrates that the DLM-GelMA-based biomimetic liver tumor-on-a-chip better mimics the in vivo TME and holds great promise for a breadth of pathological and pharmacological studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».