Releasing genetic biomarkers from cells and tissues with ultrasound
Notice bibliographique
Résumé
Ultrasound sonoporation has long been investigated as a means of enhancing therapeutic delivery into cells. More recently, however, ultrasound has been explored as means to liberate biomarkers out of cells. I will discuss our past efforts to enhance ultrasound biomarker release using microbubbles and nanodroplets both in vivo and ex vivo. Our recent in vivo work has demonstrated that ultrasound and nanodroplets can enhance extracellular vesicles and tumor DNA/RNA in the blood by 100-1000-fold. Because we can compare post- sonication blood biomarker levels to a pre-sonication blood draw baseline, and because any increase in biomarkers must be due to ultrasound treatment, this approach is a powerful alternative to biopies with much less tissue damage. In a different paradigm, we are exploring contrast-agent-free ablative acoustic mechanisms on a micro-scale to enhance biomarker release even further. Our group is further exploring novel avenues to detect circulating tumor cells in blood samples, where ultrasound treatment is applied to a separated blood fraction. By detecting biomarkers released from circulating tumor cells but primarily absent in blood cells, our approach is sensitive to single cells. Ongoing work in prostate cancer patients suggest promise for sensitive and specific detection of clinically significant prostate cancer. Ultrasound for biomarker release is a promising avenue of research which could lead to many important clinical applications given additional work and validation.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».