Digital Twin Technology to Predict Individual Response to Pharmacological Treatments in Ovarian Cancer

Informations projet

ITHACA

N° de convention de subvention: 883172

DOI

10.3030/883172

Projet clôturé

Date de signature de la CE 19 Mai 2020

Date de début 1 Septembre 2021

Date de fin 31 Août 2024

Financé au titre de

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coût total

€ 257 209,92

Contribution de l’UE

€ 257 209,92

Coordonné par

ALMA MATER STUDIORUM - UNIVERSITA DI BOLOGNA
Italy

CORDIS fournit des liens vers les livrables publics et les publications des projets HORIZON.

Les liens vers les livrables et les publications des projets du 7e PC, ainsi que les liens vers certains types de résultats spécifiques tels que les jeux de données et les logiciels, sont récupérés dynamiquement sur OpenAIRE .

Publications

Peer reviewed articles (5)

Beyond 2D cell cultures: how 3D models are changing the <i>in vitro</i> study of ovarian cancer and how to make the most of them

Auteurs: Marilisa Cortesi, Kristina Warton, Caroline E. Ford
Publié dans: PeerJ, Numéro 12, 2024, Page(s) e17603, ISSN 2167-8359
Éditeur: PeerJ
DOI: 10.7717/peerj.17603

Author Correction: A comparative analysis of 2D and 3D experimental data for the identification of the parameters of computational models

Auteurs: Marilisa Cortesi, Dongli Liu, Christine Yee, Deborah J. Marsh, Caroline E. Ford
Publié dans: Scientific Reports, Numéro 14, 2024, ISSN 2045-2322
Éditeur: Nature Publishing Group
DOI: 10.1038/s41598-023-50403-x

A comparative analysis of 2D and 3D experimental data for the identification of the parameters of computational models

Auteurs: Cortesi M., Liu D., Yee C., Marsh D., and Ford C
Publié dans: Scientific Reports, 2023, ISSN 2045-2322
Éditeur: Nature Publishing Group
DOI: 10.1038/s41598-023-42486-3

Driving cell response through deep learning, a study in simulated 3D cell cultures

Auteurs: Marilisa Cortesi, Emanuele Giordano
Publié dans: Heliyon, Numéro 10, 2024, Page(s) e29395, ISSN 2405-8440
Éditeur: Cell Press
DOI: 10.1016/j.heliyon.2024.e29395

Accurate Identification of Cancer Cells in Complex Pre‐Clinical Models Using a Deep‐Learning Neural Network: A Transfection‐Free Approach

Auteurs: Marilisa Cortesi, Dongli Liu, Elyse Powell, Ellen Barlow, Kristina Warton, Caroline E. Ford
Publié dans: Advanced Biology, 2024, ISSN 2701-0198
Éditeur: Wiley
DOI: 10.1002/adbi.202400034

Other (2)

A novel approach for the quantification of single-cell adhesion dynamics from microscopy images

Auteurs: Marilisa Cortesi, Jingjing Li, Dongli Liu, Tianruo Guo, Socrates Dokos, Kristina Warton, Caroline E. Ford
Publié dans: biorXiv, 2024
Éditeur: Cold Spring Harbor Laboratory
DOI: 10.1101/2024.10.08.616409

Development and validation of a computational tool to predict treatment outcomes in cells from High-Grade Serous Ovarian Cancer patients

Auteurs: Marilisa Cortesi, Dongli Liu, Elyse Powell, Ellen Barlow, Kristina Warton, Emanuele Giordano, Caroline E. Ford
Publié dans: biorXiv, 2024
Éditeur: Cold Spring Harbor Laboratory
DOI: 10.1101/2024.10.02.616212