A Versatile Droplet Microfluidic Platform Capable of Confining Preformed Spheroids in Hydrogel Microenvironments for Downstream Growth and Analysis
Notice bibliographique
Résumé
Abstract Patient-derived tumor organoids (PDTOs) are promising 3D disease models for developing personalized treatment methods. However, conventional technologies for making PDTOs have limitations such as batch-to-batch variation and low throughput. Droplet microfluidics (DM), which utilizes uniform droplets generated in microchannels, has demonstrated potential for creating organoids due to its high-throughput and controllable parameters. However, most existing DM devices require a high initial cell count, on the order of 10,6 which is difficult to acquire with biopsy samples. A novel step-stone strategy is to encapsulate preformed spheroids in hydrogel droplets, creating a microenvironment supporting their future growth into organoids or for immediate analysis. While a similar strategy has been reported, the viability and uniformity of spheroids after encapsulation, which are important for continuous growth into organoids, were not examined. We present a DM device featuring a double-cross geometry chip to encapsulate preformed spheroids into hydrogel microparticles (HMPs) with a very low initial cell count (order of 104) and ensuring high viability and uniformity of the spheroids in the recovered cross-linked HMPs. The preformed spheroids, 100–200 μm in diameter, were successfully encapsulated in well-defined HMPs. With contrasting viscosity hydrogels, a hydrodynamic focusing stream was created to leverage spheroids into their own droplets. Preformed spheroid encapsulation efficiency was affected by the width of the focusing stream and the quantity of spheroids at the inlet, with the best results reaching about 75% total encapsulation and 54% single spheroid encapsulation. Spheroid-laden HMPs were collected and cross-linked off-chip, where spheroids could continue to grow. The encapsulated spheroids maintained above 80% viability over 5 days of culture and retained uniformity with less than a 4% difference in diameter variation compared to pre-encapsulated spheroids. Ultimately, we demonstrated that preformed spheroid encapsulation using DM was a robust way to encapsulate a low sample size while maintaining viability and uniformity.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 ».