Enhancing cryopreservation of ex vivo 3D tumor models using vitrification strategies
Notice bibliographique
Résumé
Abstract Microdissected tumor tissue explants (MDTs) are promising ex vivo models for oncology research but remain limited by poor preservation and the rapid loss of viability following resection. Here, we systematically optimized MDT cryopreservation using prostate-derived 49F and ovarian TOV112D tumor models. Before cryopreservation, we evaluated the effects of antioxidant supplementation, pre-cooling, and a short recovery period. MDTs were then preserved by either conventional slow-freezing or vitrification using ultra-rapid cooling. Following thawing, tissue morphology, apoptosis, and proliferative capacity were assessed relative to fresh controls. Vitrification improved morphological preservation and reduced apoptosis compared with slow-freezing, although recovery of proliferation differed between tumor models. Antioxidant supplementation enhanced post-thaw proliferation at optimal concentrations but induced toxicity at higher doses. Pre-cooling and a short pre-cryopreservation recovery period further improved post-thaw outcomes. Combining these parameters produced an optimized vitrification protocol that preserved up to 98% of the proliferative capacity of 49F MDTs and 69% of that of TOV112D MDTs relative to fresh controls. These findings establish optimized vitrification as a reproducible, high-yield strategy for preserving MDTs for downstream ex vivo oncology applications.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».