Substrate stiffness and geometry differentially regulate proliferation in airway smooth muscle cells
Notice bibliographique
Résumé
Airway smooth muscle (ASM) hyperplasia is a hallmark of asthma, attributed to excessive pro-inflammatory cytokine release. However in other cell types mechanical factors including substrate stiffness and geometry modify proliferation, and we have shown stiff substrates and 3D environments enhance ASM contractility. This may be important considering the structural changes associated with asthmatic airway remodeling. We used collagen-I coated glass, plastic and polyacrylamide hydrogels with elastic moduli ranging from 300 Pa to 19200 Pa to study mechanical regulation of hASM proliferation. Engineered microtissues consisting of ASM embedded within a collagen-I matrix were used as 3D substrates. Proliferation was assessed by BrdU or EdU incorporation in high (2-5%) and low (0.5-1%) serum. ASM proliferation in high serum was 39% lower on 300 Pa than 1200 Pa substrates, with no further increase on stiffer hydrogels or glass. Decreasing serum reduced proliferation significantly, but a different pattern was observed on each substrate; proliferation remained lowest on 300 Pa substrates, peaked at 4800 Pa and dropped on 19200 Pa and glass. In 3D cultures, proliferation in high serum was 55-60% lower than on 4800 Pa and plastic substrates. However, in low serum, 3D cultures were similar to cells grown on plastic, whereas proliferation on 4800 Pa hydrogels was ∼3-fold higher. These results indicate that ASM proliferation is differentially regulated by mechanical factors, consistent with previous ASM contractility studies. This highlights the importance of establishing physiological mechanics when studying ASM in vitro, and suggests that mechanical factors may contribute to asthma pathogenesis.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».