MétaCan
Menu
Retour à la cohorte
Enregistrement W2899678915 · doi:10.1093/neuonc/noy148.946

RTHP-14. TUMOR-TREATING FIELDS FOR GLIOBLASTOMA: NUMERICAL SIMULATION EXPLORES SUB-CELLULAR MECHANISMS

2018· article· en· W2899678915 sur OpenAlexaff
Kristen W. Carlson, Nirmal Paudel, Socrates Dokos, Jack A. Tuszyński

Notice bibliographique

RevueNeuro-Oncology · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiquePhotoreceptor and optogenetics research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésKinesinMultiphysicsMicrotubuleElectric fieldBiophysicsMaterials sciencePhysicsFinite element methodMechanicsNanotechnologyChemistryBiology

Résumé

récupéré en direct d'OpenAlex

Tumor Treating Fields (TTFields) 100–500 kHz electric fields at ~1–4 V/cm exert an anti-mitotic effect on cancer cells. Our goal is to uncover TTFields mechanism by numerically modeling their effects on sub-cellular structures, notably microtubules (MTs). We built a geometrically accurate finite element model in COMSOL Multiphysics (tm) of the MT and its micro-environment as a layered 27 nm-diameter cylinder: the inner lumen; 13 helical strands of alpha-beta tubulin dimers; C-termini; counter-ion layer; and an outer non-conductive Bjerrum layer. Modeling current density induced in each layer by TTFields for MTs varying in length from 1 10 µm showed that MTs act as electrical shunts conducting electric current within them. The resulting strongest current flows through the counter-ion layer surrounding the C-termini and energy density in this layer exceeds the level likely to disrupt the motor protein kinesin walk along the C-termini. The energy density is highest predicted at 1e-20 Joules when both the field and the MTs are aligned with the cell axis, in accord with in vitro experiments. A second mechanism predicted by our model is disruption of the foot of kinesin, released from its C-terminus contact by ATP (1e-19 Joules). The final phase of the walk is driven by thermal buffeting of the forward foot randomly positioning it near enough to the C-terminus for electrostatic forces to bind it. A stall force ~1e-19 - 1e-16 N from TTFields would prevent diffusion and disrupt the kinesin walk. Our modeling predicts that TTFields in cytosol induce electric currents along MTs that are strong enough to disrupt key cellular functions such as the kinesin walk and C-termini transitions, which are crucial for motor protein transport. Hence, TTFields disrupt the most delicate mechanisms involved in the carefully-orchestrated succession of steps in mitosis.

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)0,001
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 enseignants0,010
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,055
Tête enseignante GPT0,351
Écart entre enseignants0,296 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-OncologyMême sujetPhotoreceptor and optogenetics researchTravaux en français237 207