MDB-18. A bench-top model for the optimization of ultrasound parameters for sonodynamic therapy of medulloblastoma
Notice bibliographique
Résumé
Abstract In-vitro studies show that low frequency sound waves can interact with hemo-porphyrin to produce reactive oxygen species (ROS). This phenomenon induces tumor cell death in various cell types in-vitro and in xenograft models. However, reproducible in-vitro models with adequate parameterization in sonodynamic therapy remain scarce. This study evaluated ROS production and apoptotic marker expression in medulloblastoma cells under varying treatment durations and ultrasound power using a bench-top focused ultrasound (FUS) device. UW426 medulloblastoma cells were exposed to 5-aminolevulinic acid (5-ALA) at different concentrations for up to 24 hours. The incubation time yielding peak protoporphyrin IX (PPIX) fluorescence was identified via fluorescence-activated cell sorting (FACS). A 1.5 MHz transducer operated at 0.91 MHz was targeted to the bottom of a 96-well plate, and pressure wave delivery was verified by a hydrophone. Cells were treated with 5-ALA alone, FUS alone, or 5-ALA + FUS, then incubated for 24 hours before measuring ROS and cell death markers. ROS levels were measured with the CellROX Green Kit and Annexin V expression with the Dead Cell Stain Kit, both by FACS. Peak PPIX fluorescence in UW426 cells occurred after 12 hours of incubation with 200 µg/mL 5-ALA. The highest ROS levels were detected using 0.91 MHz at a total sonication time of 120s and an average power of 6 W. Significant cell death occurred at 3 W and 6 W with 90 s and 120 s sonication. This bench-top setup successfully induced ROS and cell death in UW426 cells. Establishing this robust in-vitro model allows further exploration of sonication parameters and supports future translation to clinical models.
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 ».