In Vitro Sonodynamic Therapy Using a High Throughput 3D Glioblastoma Spheroid Model with 5‐ALA and TMZ Sonosensitizers
Notice bibliographique
Résumé
Sonodynamic therapy (SDT) administered using low-intensity pulsed ultrasound and sonosensitizers is an emerging, minimally invasive, targeted deep-tissue therapy for solid tumors such as glioblastoma multiforme (GBM). Initial clinical trials show promising outcomes for SDT treatments of GBM. A crucial aspect of SDT is the sonosensitizer that interacts with ultrasound, facilitating energy transfer to the tumor, thus inducing therapeutic efficacy. Current in vitro methods for determining the therapeutic efficacies of sonosensitizers are time-consuming and expensive. A novel high-throughput magnetically printed 3D GBM model is used to overcome this challenge. The hypothesis is that the use of two sonosensitizers, one a chemotherapeutic drug, enhances SDT efficacy through their additive chemical interactions. The GBM model is used to evaluate the effectiveness of two sonosensitizer molecules, 5-aminolevulinic acid (5-ALA) and theU.S. Food and Drug Administration (FDA)-approved chemotherapeutic drug Temozolomide (TMZ). It is confirmed that implement high-throughput GBM models to evaluate sonosensitizer combinations and their efficacies is feasible and, for the first time, show that the combined effect of both sensitizers, 5-ALA and TMZ, is superior for preventing spheroid growth than employing each molecule separately. This finding is relevant for future clinical trials of GBM treatment with SDT.
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 ».