Video Experimental Relacionado
Updated: Feb 12, 2026

Recombineering Homologous Recombination Constructs in Drosophila
Published on: July 13, 2013
Predecir la deficiencia de recombinación homóloga y las respuestas al tratamiento utilizando un modelo de base basado
Sheng Kuang1, Lesley Schuitmaker2, Min Wu3
1Department of Precision Medicine, GROW - Research Institute for Oncology and Reproduction, Faculty of Health, Medicine and Life Sciences, Maastricht University, Maastricht, Netherlands. sheng.kuang@maastrichtuniversity.nl.
Los modelos de la Fundación clasifican con precisión la deficiencia de recombinación homóloga (HRD) y predicen la respuesta al tratamiento utilizando tomografías computarizadas preclínicas de ratones, superando las limitaciones de datos en estudios con animales.
Área de la Ciencia:
- Imágenes médicas de imágenes médicas.
- La genómica es la genómica.
- La inteligencia artificial es inteligencia artificial.
Sus antecedentes:
- La deficiencia de recombinación homóloga (HRD) está relacionada con la inestabilidad genómica, la susceptibilidad al cáncer y la sensibilidad a las terapias dirigidas al ADN.
- La radiómica en estudios con animales está subutilizada debido a los limitados datos preclínicos.
- Los modelos de fundación (FM) ofrecen capacidades avanzadas para el análisis de imágenes médicas.
Objetivo del estudio:
- Aplicar un modelo de base de última generación (FM) a las imágenes de TC preclínicas en ratones.
- Para distinguir el estatus de DRH dentro de los xenografts isogénicos.
- Para predecir las respuestas terapéuticas diferenciales a CP-506, un nuevo agente de enlace cruzado de ADN activado por hipoxia.
Principales métodos:
- Se utilizaron escáneres de micro-TC de 307 ratones con estado equilibrado de DRH, antes y después del tratamiento con CP-506 o control.
- Aplicó un modelo de fundación (FM) para la clasificación de DRH y la predicción de la respuesta al tratamiento.
- Comparó el rendimiento de la FM con la radiómica artesanal y el aprendizaje profundo supervisado (sDL).
Principales resultados:
- El FM logró un AUC de 0.88 para la clasificación de HRD, superando a los radiómicos artesanales y sDL.
- El AUC más alto (0,93) se observó en un subgrupo de consenso entre sDL y FM.
- Las características relacionadas con HRD predijeron daño al ADN y retraso en el crecimiento; la heterogeneidad de la textura fue clave para la clasificación de HRD.
Conclusiones:
- Los modelos de la Fundación abordan efectivamente la escasez de datos en los estudios de imágenes con animales.
- Las FM permiten una clasificación precisa de los HRD y la predicción de la respuesta al tratamiento a partir de imágenes de TC preclínicas.
- Este enfoque es prometedor para avanzar en la investigación preclínica y el desarrollo de fármacos.
Más Videos Relacionados
11:31Using Micro-computed Tomography for the Assessment of Tumor Development and Follow-up of Response to Treatment in a Mouse Model of Lung Cancer
Published on: May 20, 2016
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
Videos de Conceptos Relacionados
Homologous Recombination
Homologous Recombination
Imaging Studies III: Computed Tomography
Computed Tomography
The technique was invented in the 1970s and is based on the principle that as X-rays pass through the body, they are absorbed or reflected at different levels. In the technique, a patient lies on a motorized platform while a computerized axial tomography (CAT) scanner rotates...
Conservative Site-specific Recombination and Phase Variation
The recognition sites for Cre recombinase called LoxP...
Recombinant DNA