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

Informazioni relative al progetto

ITHACA

ID dell’accordo di sovvenzione: 883172

DOI 10.3030/883172

Progetto chiuso

Data della firma CE 19 Maggio 2020

Data di avvio 1 Settembre 2021

Data di completamento 31 Agosto 2024

Finanziato da

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Costo totale € 257 209,92

Contributo UE € 257 209,92

Coordinato da

ALMA MATER STUDIORUM - UNIVERSITA DI BOLOGNA
Italy

CORDIS fornisce collegamenti ai risultati finali pubblici e alle pubblicazioni dei progetti ORIZZONTE.

I link ai risultati e alle pubblicazioni dei progetti del 7° PQ, così come i link ad alcuni tipi di risultati specifici come dataset e software, sono recuperati dinamicamente da .OpenAIRE .

Pubblicazioni

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

Autori: Marilisa Cortesi, Kristina Warton, Caroline E. Ford
Pubblicato in: PeerJ, Numero 12, 2024, Pagina/e e17603, ISSN 2167-8359
Editore: 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

Autori: Marilisa Cortesi, Dongli Liu, Christine Yee, Deborah J. Marsh, Caroline E. Ford
Pubblicato in: Scientific Reports, Numero 14, 2024, ISSN 2045-2322
Editore: 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

Autori: Cortesi M., Liu D., Yee C., Marsh D., and Ford C
Pubblicato in: Scientific Reports, 2023, ISSN 2045-2322
Editore: Nature Publishing Group
DOI: 10.1038/s41598-023-42486-3

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

Autori: Marilisa Cortesi, Emanuele Giordano
Pubblicato in: Heliyon, Numero 10, 2024, Pagina/e e29395, ISSN 2405-8440
Editore: 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

Autori: Marilisa Cortesi, Dongli Liu, Elyse Powell, Ellen Barlow, Kristina Warton, Caroline E. Ford
Pubblicato in: Advanced Biology, 2024, ISSN 2701-0198
Editore: Wiley
DOI: 10.1002/adbi.202400034

Other (2)

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

Autori: Marilisa Cortesi, Jingjing Li, Dongli Liu, Tianruo Guo, Socrates Dokos, Kristina Warton, Caroline E. Ford
Pubblicato in: biorXiv, 2024
Editore: 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

Autori: Marilisa Cortesi, Dongli Liu, Elyse Powell, Ellen Barlow, Kristina Warton, Emanuele Giordano, Caroline E. Ford
Pubblicato in: biorXiv, 2024
Editore: Cold Spring Harbor Laboratory
DOI: 10.1101/2024.10.02.616212