MétaCan
Menu
Retour à la cohorte
Enregistrement W3016790313 · doi:10.1096/fasebj.2020.34.s1.02156

Custom 3D Brain Cancer Model to Test a Novel Anti‐Cancer Electrotherapy

2020· article· en· W3016790313 sur OpenAlexaff
Andrew Deweyert, Erin Iredale, Hu Xu, Eugene Wong, Susanne Schmid, Matthew O. Hebb

Notice bibliographique

RevueThe FASEB Journal · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSpheroidMedicineMatrigelGliomaBioluminescence imagingOncologyCancerBiomedical engineeringElectrotherapyCancer researchInternal medicinePathologyCell cultureBiologyAngiogenesis

Résumé

récupéré en direct d'OpenAlex

Introduction High‐Grade Gliomas (HGG) are primary malignant brain tumors with dismal treatment outcomes. Our team has been pioneering a novel implantable biotechnology called Intratumoral modulation therapy (IMT) that distributes non‐ablative electric fields across tumor‐affected brain regions to induce tumor cell death. A systematic means to define the mechanism and optimal treatment parameters for various forms of HGG is needed to advance this promising technology towards clinical application. The aim of this study was to develop a custom, high throughput, patient‐derived 3D HGG model to investigate the therapeutic effects of IMT. Methods Primary patient HGG cells (1×10 4 ) were implanted into wells of a 96‐well plate containing 200 uL of Matrigel®. The resultant tumor spheroids were characterized over 14 days by observing growth, invasion and viability with MTT assays, confocal microscopy and bioluminescence imaging (BLI). The culture plates were custom adapted to house implantable IMT devices to broadly distribute IMT fields across HGG tumors. Computer‐generated IMT field modeling was performed using COMSOL software to predict field strength and distribution, and to reconstruct IMT fields in the 3D system. Spheroids received 72‐hours of IMT using a spectrum of treatment parameters based upon a continuous, low amplitude sinusoidal waveform. Results Patient‐derived HGG spheroids exhibited multi‐layered, progressive growth and invasion of peritumoral matrix over the 14‐day study period. Computer simulation predicted electric field distribution and intensity across patient HGG spheroids for a spectrum of defined IMT parameters. Using the simulation plans to guide treatment settings, IMT produced a significant reduction (>60%) of metabolic viability in HGG spheroids treated with IMT compared to sham conditions. This data was corroborated by BLI which revealed >65% signal loss associated with IMT. Conclusion IMT is a highly promising innovation designed to combat HGGs, the most devastating of primary brain cancers. Our custom in vitro IMT model permits high throughput testing of treatment parameters in 3D patient HGG spheroids. This innovative preclinical strategy will be instrumental in defining the potential and optimizing treatment response across a spectrum of high fatality HGG cancers. Support or Funding Information This work was supported by the Cancer Research Society and preformed at Schulich School of Medicine and Dentistry and Lawson Health Research Institute.

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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,069
Tête enseignante GPT0,307
Écart entre enseignants0,239 · 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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetNeuroscience and Neural EngineeringTravaux en français237 207