MétaCan
Menu
← Retour à la cohorte
Enregistrement W4408077220 · doi:10.1101/2025.02.25.640239

A novel in vitro 3D cancer model based on modular tissue engineering approach

2025· preprint· en· W4408077220 sur OpenAlexaff
Nima Daneshvar Baghbadorani, Mira Bosso, Rowen Greene, Taylor Dzikowski, Morgan Johannson, André Gagnon, M. Dean Chamberlain

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensSaskatchewan Cancer AgencyUniversity of SaskatchewanSaskatchewan Health Authority
Organismes subventionnairesnon disponible
Mots-clésModular designIn vitroTissue engineeringCancerComputer scienceBiomedical engineeringComputational biologyEngineeringBiologyMedicineInternal medicineProgramming languageBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract An emerging tool to better recapitulate the complexity of tumor biology in vitro is 3D culture models. Here, we describe a free-floating collagen-based hydrogel system with embedded cancer cells, called microtissues. The microtissues are based on the well-established modular tissue engineering method. They mimic the natural development of the tumor microenvironment, with features such as hypoxia and treatment resistance. To demonstrate the utility of microtissues as a 3D tumor model system, triple negative breast cancer cells were cultured using this method and were shown to maintain cell viability and proliferation with minimal cell death, along with mimicking natural emergence of tumor properties such as, a hypoxic core. Furthermore, by screening the model with commonly used anti-breast cancer chemotherapeutics, we observed drug resistance to concentrations which are largely in accordance with the used doses in the clinics. Therefore, our model offers the opportunity to naturally reproduce fundamental features of a tumor in vitro, leading to emergence of a similar cell reprogramming which is responsible for clinical drug resistance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,243
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujet3D Printing in Biomedical Research→Travaux en français237 207→