Pixelated microfluidics for drug screening on tumour spheroids and ex vivo microdissected primary tissue
Notice bibliographique
Résumé
Abstract Anti-cancer drugs have the lowest success rate of approval in drug development programs. Thus, preclinical assays that closely predict the clinical responses to drugs are of utmost importance in both clinical oncology and pharmaceutical research. 3D tumour models preserve the tumoural architecture and are cost-, labour-, and time-efficient. However, the short-term longevity, limited throughput, and limitations to live imaging of these models have so far driven researchers towards simpler, less realistic tumour models such as monolayer cell cultures. Here, we present a static open-space microfluidic drug screening platform that enables the formation, culture, and multiplexed delivery of several reagents to various 3D tumour models, namely cancer cell line spheroids and ex vivo primary tumour fragments. Our platform utilizes an open-space microfluidic technology, a pixelated chemical display, which creates fluidic “pixels” of biochemical reagents that stream over tumour models in a contact-free fashion. Up to 9 different treatment conditions can be tested over 144 samples in a single experiment. We provide a proof-of-concept application by staining fixed and live tumour models with multiple cellular dyes. Furthermore, we demonstrate that the various responses of the tumour models to biological stimuli can be assessed using the proposed drug screening platform. The platform is amenable to various 3D tumour models, such as tumour organoids. Upscaling of the microfluidic platform to larger areas can lead to higher throughputs, and thus will have a significant impact on developing treatments for cancer.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».