Tracking the fates of iron-labeled tumor cells in vivo using Magnetic Particle Imaging
Notice bibliographique
Résumé
ABSTRACT The use of imaging to detect and monitor the movement and accumulation of cells in living subjects can provide significant insights that can improve our understanding of metastasis and guide therapeutic development. For cell tracking using Magnetic Resonance Imaging (MRI), cells are labeled with iron oxides and the effects of the iron on water provides contrast. However, due to low specificity and difficulties in quantification with MRI, other modalities and approaches need to be developed. Magnetic Particle Imaging (MPI) is an emerging imaging technique which directly detects magnetic iron, allowing for a specific, quantitative and sensitive readout. Here, we use MPI to image iron-labeled tumor cells longitudinally, from implantation and growth at a primary site to movement to distant anatomic sites. In vivo bioluminescent imaging (BLI) was used to localize tumor metastases and computed tomography (CT) allowed for correlation of these signals to anatomic locations. These three imaging modalities provide information on immune escape and metastasis of iron-labeled, and unlabeled, tumor cells, and the accumulation of cell-free iron contrast over time. We identified iron signals by MPI and tumor cells via BLI, and correlated these positive contrast images with CT scans to reveal the anatomic sites with cancer cells; histologic analysis confirmed the presence of iron-labeled tumor cells in the tissues, suggesting that the metastatic cells retained enough iron for MPI detection. The use of multi-modality cell tracking reveals the movement, accumulation and fates of labeled cells that will be helpful understanding cancer progression and guiding the development of targeted therapies.
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 | 0,001 |
| 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 ».