MétaCan
Menu
Retour à la cohorte
Enregistrement W3132579560 · doi:10.3390/cells10030489

Multi-Modal Multi-Spectral Intravital Macroscopic Imaging of Signaling Dynamics in Real Time during Tumor–Immune Interactions

2021· article· en· W3132579560 sur OpenAlexfundno aff
Tracy Liu, Seth T. Gammon, David Fuentes, David Piwnica‐Worms

Notice bibliographique

RevueCells · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteCanadian Institutes of Health ResearchUniversity of Texas MD Anderson Cancer CenterNational Institutes of HealthU.S. Department of Defense
Mots-clésBioluminescence imagingBioluminescenceMolecular imagingPreclinical imagingFluorescence-lifetime imaging microscopyIntravital microscopyIn vivoNanotechnologyComputer scienceBiologyLuciferaseMaterials sciencePhysicsFluorescenceCell culture

Résumé

récupéré en direct d'OpenAlex

A major obstacle in studying the interplay between cancer cells and the immune system has been the examination of proposed biological pathways and cell interactions in a dynamic, physiologically relevant system in vivo. Intravital imaging strategies are one of the few molecular imaging techniques that can follow biological processes at cellular resolution over long periods of time in the same individual. Bioluminescence imaging has become a standard preclinical in vivo optical imaging technique with ever-expanding versatility as a result of the development of new emission bioluminescent reporters, advances in genomic techniques, and technical improvements in bioluminescence imaging and processing methods. Herein, we describe an advance of technology with a molecular imaging window chamber platform that combines bioluminescent and fluorescent reporters with intravital macro-imaging techniques and bioluminescence spectral unmixing in real time applied to heterogeneous living systems in vivo for evaluating tumor signaling dynamics and immune cell enzyme activities concurrently.

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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,240
Score d'incertitude au seuil0,966

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,227
Écart entre enseignants0,221 · 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

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207