Studying breast cancer lung metastasis using a multi-compartment microfluidic device with a mimetic tumor-stroma interaction model
Notice bibliographique
Résumé
BACKGROUND: Understanding the mechanisms underlying the metastasis of breast cancer cells to the lungs is challenging, and appropriate simulation of the tumor microenvironment with mimetic cancer-stroma crosstalk is essential. β4 integrin is known to contribute to triggering a variety of different signaling cues involved in the malignant phenotype of cancer but its role in organ-specific metastasis needs further study. In this work, a multi-compartment microfluidic tumor model was developed to evaluate cancer cell invasion. MATERIALS AND METHODS: To model the primary tumor microenvironment, breast cancer cells (MCF7) and cancer-associated fibroblasts (CAFs) were co-cultured within the tumor compartment of the microfluidic chip while normal lung fibroblasts (NLFs) were seeded in a different compartment, as the secondary tumor site, separated from the tumor compartment via a Matrigel™ layer resembling the extracellular matrix. RESULTS: The cytotoxic effect of β4 integrin blockade on cancer cells gradually increased after 48 and 72 h of co-culture. Invasion of breast cancer cells in both single and coculture models was characterized in response to β4 integrin blockade. The invasion rate and gap closure of MCF7/CAF_NLF was significantly higher than MCF7_NLF (P < 0.0001). β4 integrin inhibition reduced the rate of gap closure and invasion of both (P < 0.0001). CONCLUSIONS: Biomimetic microfluidic-based tumor models hold promise for studying cancer metastasis mechanisms. Precise manipulation, simulation, and analysis of the cancer microenvironment are made possible by microfluidics.
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 ».