ASMase Activation in Ultrasound-Stimulated Radiation Enhancement Using MRI-Guided Focused Ultrasound
Notice bibliographique
Résumé
Focused ultrasound-stimulated microbubble (MB + FUS) therapy is a promising radiation enhancement strategy, utilizing vascular disruption to enhance radiation efficacy. However, its mechanistic effects in large tumour volumes and clinical translatability remain insufficiently characterized. This study evaluates the synergistic impact of MB + FUS combined with radiation therapy (XRT) in a large-scale, immunosuppressed rabbit xenograft model using a clinically adaptable, MRI-guided 6144-element focused ultrasound (MRgFUS) system. Tumours were treated with MB + FUS, XRT, or both, with real-time image-guided MB activation and evaluation of treatment effects on vascular integrity, proliferation, and cellular stress responses. Assessments included Power Doppler ultrasound, histology, and immunohistochemistry targeting TUNEL, ASMase, Ki-67, Factor VIII, HIF-1α, and VEGF. Combination therapy induced significant vascular collapse, reduced perfusion, and decreased Factor VIII expression, alongside increased nuclear condensation, TUNEL positivity, and ASMase expression, consistent with ASMase-mediated endothelial apoptosis and vascular disruption. Upregulation of HIF-1α and VEGF indicated hypoxia-driven angiogenic signalling, while Ki-67 suppression reflected sustained tumour growth inhibition. Although immune responses were limited by host immunosuppression, the larger tumour burden provided clinically relevant constraints. The MRgFUS platform enabled precise and reproducible MB activation, reinforcing MB + FUS as a potent radio-enhancement modality. These findings support the continued development of MB + FUS toward clinical translation and highlight its potential as a complementary strategy to radiation therapy.
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 | 0,001 |
| 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 ».