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

Información del proyecto

ITHACA

Identificador del acuerdo de subvención: 883172

DOI

10.3030/883172

Proyecto cerrado

Fecha de la firma de la CE 19 Mayo 2020

Fecha de inicio 1 Septiembre 2021

Fecha de finalización 31 Agosto 2024

Financiado con arreglo a

• EXCELLENT SCIENCE - Marie Skłodowska-Curie Actions

Coste total

€ 257 209,92

Aportación de la UE

€ 257 209,92

Coordinado por

ALMA MATER STUDIORUM - UNIVERSITA DI BOLOGNA
Italy

CORDIS proporciona enlaces a los documentos públicos y las publicaciones de los proyectos de los programas marco HORIZONTE.

Los enlaces a los documentos y las publicaciones de los proyectos del Séptimo Programa Marco, así como los enlaces a algunos tipos de resultados específicos, como conjuntos de datos y «software», se obtienen dinámicamente de OpenAIRE .

Publicaciones

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

Autores: Marilisa Cortesi, Kristina Warton, Caroline E. Ford
Publicado en: PeerJ, Edición 12, 2024, Página(s) e17603, ISSN 2167-8359
Editor: 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

Autores: Marilisa Cortesi, Dongli Liu, Christine Yee, Deborah J. Marsh, Caroline E. Ford
Publicado en: Scientific Reports, Edición 14, 2024, ISSN 2045-2322
Editor: 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

Autores: Cortesi M., Liu D., Yee C., Marsh D., and Ford C
Publicado en: Scientific Reports, 2023, ISSN 2045-2322
Editor: Nature Publishing Group
DOI: 10.1038/s41598-023-42486-3

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

Autores: Marilisa Cortesi, Emanuele Giordano
Publicado en: Heliyon, Edición 10, 2024, Página(s) e29395, ISSN 2405-8440
Editor: 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

Autores: Marilisa Cortesi, Dongli Liu, Elyse Powell, Ellen Barlow, Kristina Warton, Caroline E. Ford
Publicado en: Advanced Biology, 2024, ISSN 2701-0198
Editor: Wiley
DOI: 10.1002/adbi.202400034

Other (2)

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

Autores: Marilisa Cortesi, Jingjing Li, Dongli Liu, Tianruo Guo, Socrates Dokos, Kristina Warton, Caroline E. Ford
Publicado en: biorXiv, 2024
Editor: 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

Autores: Marilisa Cortesi, Dongli Liu, Elyse Powell, Ellen Barlow, Kristina Warton, Emanuele Giordano, Caroline E. Ford
Publicado en: biorXiv, 2024
Editor: Cold Spring Harbor Laboratory
DOI: 10.1101/2024.10.02.616212