The role of pore size and mechanical properties on the accumulation, retention and distribution of F98 glioblastoma cells in macroporous hydrogels
Notice bibliographique
Résumé
Glioblastoma (GBM) accounts for half of all central nervous system tumors. Once the tumor is removed, many GBM cells remain present near the surgical cavity and infiltrate the brain up to a distance of 20-30 mm, resulting in recurrence a few months later. GBM remains incurable due to the limited efficiency of current treatments, a result of the blood-brain barrier and sensitivity of healthy brain tissues to chemotherapy and radiation. A new therapeutic paradigm under development to treat GBM is to attract and accumulate GBM cells in a cancer cell trap inserted in the surgical cavity after tumor resection. In this work, porous gels were prepared using porous polylactide molds obtained from melt-processed co-continuous polymer blends of polystyrene and polylactide, with an average pore size ranging from 5 μm to over 500 μm. In order to efficiently accumulate and retain GBM brain cancer cells within a macroporous sodium alginate-based hydrogel trap, the pores must have an average diameter superior to 100 μm, with the best results obtained at 225 μm. In that case, the accumulation and retention of F98 GBM cells were more homogeneous, especially when functionalized with RGD adhesion peptides. At an alginate concentration of 1% w/v, the compression modulus reaches 15 kPa, close to the average value of 1-2 kPa reported for brain tissues, while adhesion and retention were also superior compared to 2% w/v gels. Overall, 1% w/v gels with 225 μm pores functionalized with the RGD peptide display the best performances.
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 | 0,001 | 0,001 |
| 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 ».