Extracellular matrix stiffness affects microbubble-assisted endothelial permeabilization under flow
Notice bibliographique
Résumé
Cancer immunotherapy has faced challenges in the treatment of solid cancers due to the complex tumor microenvironment (TME), including physical barriers that prohibit immune cell infiltration. Ultrasound (US) stimulated microbubbles present a novel way to potentiate cancer immunotherapy in tumors by permeabilizing the tumor vasculature, however the effect of individual TME parameters on treatment efficacy has not yet been elucidated. Here, we focus on one biophysical parameter, showing that an increase in matrix stiffness increases US-assisted membrane permeabilization. Using a novel setup that allows for real-time visualization under flow, HUVECs seeded on polyacrylamide hydrogels of different stiffnesses (800 and 1600 Pa) showed an increase in sonoporation rates. Collagen models corroborate this trend at two different flow rates for a range of stiffnesses (5, 25, and 75 Pa): for both 5 ml/min and 30 ml/min, there is a relative increase in sonoporation from the stiffer substrate. For a given collagen substrate, there is a significant increase in sonoporation efficiency with increasing flow rate. These data can be used to fine-tune treatments according to different TMEs; further, our findings have applications in designing US parameters for targeted drug delivery and other clinical contexts that consider a variety of tissue stiffnesses.
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 | 0,000 |
| 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 ».