<scp>3D</scp> bioprinted osteosarcoma model for experimental boron neutron capture therapy (<scp>BNCT</scp>) applications: Preliminary assessment
Notice bibliographique
Résumé
Abstract Osteosarcoma is the most frequently primary malignant bone tumor characterized by infiltrative growth responsible for relapses and metastases. Treatment options are limited, and a new therapeutic option is required. Boron neutron capture therapy (BNCT) is an experimental alternative radiotherapy able to kill infiltrative tumor cells spearing surrounding healthy tissues. BNCT studies are performed on 2D in vitro models that are not able to reproduce pathological tumor tissue organization or on in vivo animal models that are expensive, time‐consuming and must follow the 3R's principles. A 3D in vitro model is a solution to better recapitulate the complexity of solid tumors meanwhile limiting the animal's use. Objective of this study is to optimize the technical assessment for developing a 3D in vitro osteosarcoma model as a platform for BNCT studies: printing protocol, biomaterial selection, cell density, and crosslinking process. The best parameters that allow a fully colonized 3D bioprinted construct by rat osteosarcoma cell line UMR‐106 are 6 × 106 cells/ml of hydrogel and 1% CaCl2 as a crosslinking agent. The proposed model could be an alternative or a parallel approach to 2D in vitro culture and in vivo animal models for BNCT experimental study.
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 ».