A method for the efficient iron-labeling of patient-derived xenograft cells and cellular imaging validation
Notice bibliographique
Résumé
Abstract There is momentum towards implementing patient-derived xenograft models (PDX) in cancer research to reflect the histopathology, tumour behavior, and metastatic properties observed in the original tumour. These models are more predictive of clinical outcomes and are superior to cell lines for preclinical drug evaluation and therapeutic strategies. To study PDX cells preclinically, we used both bioluminescence imaging (BLI) to evaluate cell viability and magnetic particle imaging (MPI), an emerging imaging technology to allow for detection and quantification of iron nanoparticles. The goal of this study was to develop the first successful iron labeling method of breast cancer cells derived from patient brain metastases and validate this method with imaging during tumour development. Luciferase expressing human breast cancer PDX cells (F2-7) were successfully labeled after incubation with micron-sized iron oxide particles (MPIO; 25 μg Fe/mL). NOD/SCID/ILIIrg -/- (n=5) mice received injections of 1×10 6 iron-labeled F2-7 cells into the fourth mammary fat pad (MFP). BLI was performed longitudinally to day 49 and MPI was performed up to day 28. In vivo BLI revealed that signal increased over time with tumour development. MPI revealed decreasing signal in the tumours and increasing signal in the liver region over time. Here, we demonstrate the first application of MPI to monitor the growth of a PDX MFP tumour. To accomplish this, we also demonstrate the first successful labeling of PDX cells with iron oxide particles. Imaging of PDX cells provides a powerful system to better develop personalized therapies targeting breast cancer brain metastasis.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».