MétaCan
Menu
Retour à la cohorte
Enregistrement W3087372013 · doi:10.1038/s41467-020-18469-7

Mapping cellular-scale internal mechanics in 3D tissues with thermally responsive hydrogel probes

2020· article· en· W3087372013 sur OpenAlexafffund
Stephanie Mok, Sara Al Habyan, Charles Ledoux, Wontae Lee, Katherine N. MacDonald, Luke McCaffrey, Christopher Moraes

Notice bibliographique

RevueNature Communications · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensMcGill University Health CentreMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Cancer Society Research InstituteCanadian Institutes of Health ResearchCanada Research ChairsGovernment of CanadaMcGill UniversityHarvard University
Mots-clésSelf-healing hydrogelsScale (ratio)NanotechnologyMaterials scienceBiophysicsPhysicsBiologyPolymer chemistry

Résumé

récupéré en direct d'OpenAlex

Local tissue mechanics play a critical role in cell function, but measuring these properties at cellular length scales in living 3D tissues can present considerable challenges. Here we present thermoresponsive, smart material microgels that can be dispersed or injected into tissues and optically assayed to measure residual tissue elasticity after creep over several weeks. We first develop and characterize the sensors, and demonstrate that internal mechanical profiles of live multicellular spheroids can be mapped at high resolutions to reveal broad ranges of rigidity within the tissues, which vary with subtle differences in spheroid aggregation method. We then show that small sites of unexpectedly high rigidity develop in invasive breast cancer spheroids, and in an in vivo mouse model of breast cancer progression. These focal sites of increased intratumoral rigidity suggest new possibilities for how early mechanical cues that drive cancer cells towards invasion might arise within the evolving tumor microenvironment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil0,525

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,256
Écart entre enseignants0,243 · 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 tête enseignante, 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

Citations73
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetCellular Mechanics and InteractionsTravaux en français237 207