Three-Dimensional Tumor Spheroids as a Tool for Reliable Investigation of Combined Gold Nanoparticle and Docetaxel Treatment
Notice bibliographique
Résumé
Radiotherapy and chemotherapy are the gold standard for treating patients with cancer in the clinic but, despite modern advances, are limited by normal tissue toxicity. The use of nanomaterials, such as gold nanoparticles (GNPs), to improve radiosensitivity and act as drug delivery systems can mitigate toxicity while increasing deposited tumor dose. To expedite a quicker clinical translation, three-dimensional (3D) tumor spheroid models that can better approximate the tumor environment compared to a two-dimensional (2D) monolayer model have been used. We tested the uptake of 15 nm GNPs and 50 nm GNPs on a monolayer and on spheroids of two cancer cell lines, CAL-27 and HeLa, to evaluate the differences between a 2D and 3D model in similar conditions. The anticancer drug docetaxel (DTX) which can act as a radiosensitizer, was also utilized, informing future potential of GNP-mediated combined therapeutics. In the 2D monolayer model, the addition of DTX induced a small, non-significant increase of uptake of GNPs of between 13% and 24%, while in the 3D spheroid model, DTX increased uptake by between 47% and 186%, with CAL-27 having a much larger increase relative to HeLa. Further, the depth of penetration of 15 nm GNPs over 50 nm GNPs increased by 33% for CAL-27 spheroids and 17% for HeLa spheroids. These results highlight the necessity to optimize GNP treatment conditions in a more realistic tumor-life environment. A 3D spheroid model can capture important details, such as different packing densities from different cancer cell lines, which are absent from a simple 2D monolayer model.
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 ».