MétaCan
Menu
Retour à la cohorte
Enregistrement W2903686029 · doi:10.3390/jfb9040072

A Three-Dimensional Dense Collagen Hydrogel to Model Cancer Cell/Osteoblast Interactions

2018· article· en· W2903686029 sur OpenAlexaff
Mark James-Bhasin, Peter M. Siegel, Showan N. Nazhat

Notice bibliographique

RevueJournal of Functional Biomaterials · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueBone Tissue Engineering Materials
Établissements canadiensMcGill University Health CentreMcGill University
Organismes subventionnairesnon disponible
Mots-clésOsteoblastCancer cellBreast cancerMaterials scienceMineralization (soil science)Cancer researchContext (archaeology)Cell biologyIn vitroChemistryCancerInternal medicineMedicineBiochemistryBiology

Résumé

récupéré en direct d'OpenAlex

No curative treatment options exist once breast cancer metastasizes to bone. This is due, in part, to an incomplete understanding of how osteolytic cancers interact with bone. Presented here is a novel approach to study the interactions between triple negative breast cancer cells and osteoblasts within a 3D collagenous environment. More specifically, a dense collagen hydrogel was employed to model interactions between MDA-MB-231 breast cancer cells and MC3T3-E1 pre-osteoblasts. Co-cultures with these two cell types, or MDA-MB-231-derived conditioned medium applied to MC3T3-E1 cells, were established in the context of plastically compressed dense collagen gel matrices. Importantly, breast cancer-derived conditioned medium or the establishment of breast cancer/osteoblast co-cultures did not negatively influence MC3T3-E1 cell viability. The inclusion of either conditioned medium or the presence of MDA-MB-231 cells resulted in impaired MC3T3-E1 differentiation into osteoblasts, which coincided with reduced osteoblast-mediated mineralization. The results presented here demonstrate that dense collagen gels provide a model environment to examine the effect of osteolytic breast cancer cells on osteoblast differentiation and subsequent mineralization of the collagen scaffold.

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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,242
Écart entre enseignants0,222 · 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

Citations36
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Functional BiomaterialsMême sujetBone Tissue Engineering MaterialsTravaux en français237 207