Glioblastoma Stem Cells and Comparison of Isolation Methods
Notice bibliographique
Résumé
BACKGROUND: Glioblastoma (GBM) is the most aggressive and the most common primary brain tumor. Over the last few years, studies have identified many genetical and phenotypical molecular situations for developing new treatment modalities in patients with GBM. Nevertheless, main problem for the GBM is radio-chemotherapy resistance and relapse after the surgery. The identification of glioma stem cells and microenvironmental influences has created a paradigm shift in targets of therapy. Current studies have shown that glioma stem cell is responsible for aggressiveness, recurrence and resistance to therapy of GBM. GBM stem cell isolated from human GBM multiforme fresh tissue samples is important both for curative therapeutic options and personalized targeted therapy. The purpose of this study was to determine the most suitable isolation method of GBM stem cells (GSCs). METHODS: Tumor tissue sample was obtained during the surgical resection of lesion in patients with the diagnosis of GBM. Tumor stem cell isolation from tissue was performed in three different ways: 1) GBM cell isolation with trypsin; 2) GBM cell isolation with brain tumor dissociation Kit (BTD Kit); and 3) GBM cell isolation with tumor dissociation enzyme (TDE). RESULTS: We showed that GSCs were isolated from tumor specimen using flow cytometry and immunofluorescence staining. Our study showed that isolation with BTD Kit is the most suitable method to isolate GBM tissue-derived glial tumor stem cells. CONCLUSIONS: The development of alternative personalized therapies targeting brain tumor stem cell is urgently needed. It is important to understand the fundamental mechanisms of driving stem cells. If their life cycle mechanisms can be identified, we can control the growth of GBM.
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 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 | 0,017 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».