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

Informacje na temat projektu

ITHACA

Identyfikator umowy o grant: 883172

DOI 10.3030/883172

Projekt został zamknięty

Data podpisania przez KE 19 Maja 2020

Data rozpoczęcia 1 Września 2021

Data zakończenia 31 Sierpnia 2024

Finansowanie w ramach

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Koszt całkowity € 257 209,92

Wkład UE € 257 209,92

Koordynowany przez

ALMA MATER STUDIORUM - UNIVERSITA DI BOLOGNA
Włochy

CORDIS oferuje możliwość skorzystania z odnośników do publicznie dostępnych publikacji i rezultatów projektów realizowanych w ramach programów ramowych HORYZONT.

Odnośniki do rezultatów i publikacji związanych z poszczególnymi projektami 7PR, a także odnośniki do niektórych konkretnych kategorii wyników, takich jak zbiory danych i oprogramowanie, są dynamicznie pobierane z systemu OpenAIRE .

Publikacje

Artykuły recenzowane (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

Autorzy: Marilisa Cortesi, Kristina Warton, Caroline E. Ford
Opublikowane w: PeerJ, Numer 12, 2024, Strona(/y) e17603, ISSN 2167-8359
Wydawca: 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

Autorzy: Marilisa Cortesi, Dongli Liu, Christine Yee, Deborah J. Marsh, Caroline E. Ford
Opublikowane w: Scientific Reports, Numer 14, 2024, ISSN 2045-2322
Wydawca: 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

Autorzy: Cortesi M., Liu D., Yee C., Marsh D., and Ford C
Opublikowane w: Scientific Reports, 2023, ISSN 2045-2322
Wydawca: Nature Publishing Group
DOI: 10.1038/s41598-023-42486-3

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

Autorzy: Marilisa Cortesi, Emanuele Giordano
Opublikowane w: Heliyon, Numer 10, 2024, Strona(/y) e29395, ISSN 2405-8440
Wydawca: 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

Autorzy: Marilisa Cortesi, Dongli Liu, Elyse Powell, Ellen Barlow, Kristina Warton, Caroline E. Ford
Opublikowane w: Advanced Biology, 2024, ISSN 2701-0198
Wydawca: Wiley
DOI: 10.1002/adbi.202400034

Inne (2)

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

Autorzy: Marilisa Cortesi, Jingjing Li, Dongli Liu, Tianruo Guo, Socrates Dokos, Kristina Warton, Caroline E. Ford
Opublikowane w: biorXiv, 2024
Wydawca: 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

Autorzy: Marilisa Cortesi, Dongli Liu, Elyse Powell, Ellen Barlow, Kristina Warton, Emanuele Giordano, Caroline E. Ford
Opublikowane w: biorXiv, 2024
Wydawca: Cold Spring Harbor Laboratory
DOI: 10.1101/2024.10.02.616212