Focused Ultrasound Stimulation of Microbubbles in Combination With Radiotherapy for Acute Damage of Breast Cancer Xenograft Model
Notice bibliographique
Résumé
Objective: Several studies have focused on the use of ultrasound-stimulated microbubbles (USMB) to induce vascular damage in order to enhance tumor response to radiation. Methods: In this study, power Doppler imaging was used along with immunohistochemistry to investigate the effects of combining radiation therapy (XRT) and USMB using an ultrasound-guided focused ultrasound (FUS) therapy system in a breast cancer xenograft model. Specifically, MDA-MB-231 breast cancer xenograft tumors were induced in severe combined immuno-deficient female mice. The mice were treated with FUS alone, ultrasound and microbubbles (FUS + MB) alone, 8 Gy XRT alone, or a combined treatment consisting of ultrasound, microbubbles, and XRT (FUS + MB + XRT). Power Doppler imaging was conducted before and 24 h after treatment, at which time mice were sacrificed and tumors assessed histologically. The immunohistochemical analysis included terminal deoxynucleotidyl transferase dUTP nick end labeling, hematoxylin and eosin, cluster of differentiation-31 (CD31), Ki-67, carbonic anhydrase (CA-9), and ceramide labeling. Results: Tumors receiving treatment of FUS + MB combined with XRT demonstrated significant increase in cell death (p = 0.0006) compared to control group. Furthermore, CD31 and Power Doppler analysis revealed reduced tumor vascularization with combined treatment indicating ( P < .0001) and ( P = .0001), respectively compared to the control group. Additionally, lesser number of proliferating cells with enhanced tumor hypoxia, and ceramide content were also reported in group receiving a treatment of FUS + MB + XRT. Conclusion: The study results demonstrate that the combination of USMB with XRT enhances treatment outcomes.
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 | 0,001 | 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 ».