Browsing by Keyword "Cancer"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item 3D cell cultures as prospective models to study extracellular vesicles in cancer(2021-01-15) Bordanaba-Florit, Guillermo; Madarieta, Iratxe; Olalde, Beatriz; Falcón-Pérez, Juan M.; Royo, Félix; BiomaterialesThe improvement of culturing techniques to model the environment and physiological conditions surrounding tumors has also been applied to the study of extracellular vesicles (EVs) in cancer research. EVs role is not only limited to cell-to-cell communication in tumor physiology, they are also a promising source of biomarkers, and a tool to deliver drugs and induce antitumoral activity. In the present review, we have addressed the improvements achieved by using 3D culture models to evaluate the role of EVs in tumor progression and the potential applications of EVs in diagnostics and therapeutics. The most employed assays are gel-based spheroids, often utilized to examine the cell invasion rate and angiogenesis markers upon EVs treatment. To study EVs as drug carriers, a more complex multicellular cultures and organoids from cancer stem cell populations have been developed. Such strategies provide a closer response to in vivo physiology observed responses. They are also the best models to understand the complex interactions between different populations of cells and the extracellular matrix, in which tumor-derived EVs modify epithelial or mesenchymal cells to become protumor agents. Finally, the growth of cells in 3D bioreactor-like systems is appointed as the best approach to industrial EVs production, a necessary step toward clinical translation of EVs-based therapy.Item Contaje de mitosis en imágenes histológicas mediante redes neuronales convolucionales(2018) Salado Garcia, Juan Pablo; Picon, Artzai; Bereciartua, Arantza; Irusta Zarandona, UnaiEl diagnóstico último del cáncer se realiza por los patólogos mediante el análisis de imágenes histológicas. Uno de los marcadores más importantes en el pronóstico y detección temprana del mismo es el denominado grado de proliferación, que se estima mediante el contaje de figuras mitóticas en imágenes histológicas tintadas con hematoxilina y eosina. Los patólogos realizan este contaje de mitosis de manera manual. Este proceso es costoso y subjetivo, existiendo discrepancias entre los expertos. En los últimos años, el aumento de microscopios escáneres ha permitido la digitalización de las muestras histológicas y su posterior procesamiento. En este trabajo se presenta un método para el contaje automático de mitosis en imágenes histológicas. Este método comprende dos fases: 1) selección de regiones candidatas a mitosis basada en técnicas convencionales de procesamiento de imagen; 2) clasificación mediante Redes Neuronales Convolucionales y técnicas de Deep Learning. El método ha sido validado sobre una base de datos con 656 casos, y se ha obtenido una sensibilidad de 0.617 y un valor de F1 de 0.541 en consonancia con el estado del arte.