Using ex vivo bioengineered lungs to model pathologies and screening therapeutics: A proof‐of‐concept study
Notice bibliographique
Résumé
Respiratory diseases, claim over eight million lives annually. However, the transition from preclinical to clinical phases in research studies is often hindered, partly due to inadequate representation of preclinical models in clinical trials. To address this, we conducted a proof-of-concept study using an ex vivo model to identify lung pathologies and to screen therapeutics in a humanized rodent model. We extracted and decellularized mouse heart-lung tissues using a detergent-based technique. The lungs were then seeded and cultured with human cell lines (BEAS-2B, A549, and Calu3) for 6-10 days, representing healthy lungs, cancerous states, and congenital pathologies, respectively. By manipulating cultural conditions and leveraging the unique characteristics of the cell lines, we successfully modeled various pathologies, including advanced-stage solid tumors and the primary phase of SARS-CoV-2 infection. Validation was conducted through histology, immunofluorescence staining, and pathology analysis. Additionally, our study involved pathological screening of the efficacy and impact of key anti-neoplastic therapeutics (Cisplatin and Wogonin) in cancer models. The results highlight the versatility and strength of the ex vivo model in representing crucial lung pathologies and screening therapeutics during the preclinical phase. This approach holds promise for bridging the gap between preclinical and clinical research, aiding in the development of effective treatments for respiratory diseases, including lung 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 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 ».