Cold Atmospheric Plasma Selectively Disrupts Breast Cancer Growth in a Bioprinted 3D Tumor Microenvironment Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Spine metastases are the most common bone site for breast cancer, with evolving surgery and multidisciplinary care improving outcomes. Current treatments, including chemotherapy and invasive surgery, may damage healthy tissue and may leave residual tumors that lead to recurrence. Cold atmospheric plasma (CAP) offers a non-invasive alternative by delivering reactive oxygen and nitrogen species (RONS) locally to tumor sites, selectively targeting cancer cells while sparing healthy tissue. To assess the impact and selectivity toward tumor cells adjacent to bone-like tissue, we develop a 3D bioprinted tumor-stroma model using a 1% alginate and 7% gelatin cell-laden hydrogel to mimic a bone-like microenvironment. The model co-cultures triple-negative MDA-MB-231 human breast cancer cells with primary human bone marrow mesenchymal stromal cells to simulate tumor-stroma interactions. The effects of CAP treatments are assessed through metabolic activity and viability assays over three days. Results show significant selectivity for cancer cells in both 2D and 3D cultures. CAP minimizes damage to healthy cells, offering the potential for localized treatment over systemic chemotherapies such as doxorubicin. Our novel bioprinted model, combined with a plasma source controlling RONS composition, enables detailed studies of redox-based cancer cell inactivation and highlights CAP as a personalized, non-invasive treatment for bone metastases.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 découle