Sensory Neurons Accelerate Skin Reepithelialization via Substance P in an Innervated Tissue-Engineered Wound Healing Model
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Keratinocytes are responsible for reepithelialization and restoration of the epidermal barrier during wound healing. The influence of sensory neurons on this mechanism is not fully understood. We tested whether sensory neurons influence wound closure via the secretion of the neuropeptide substance P (SP) with a new tissue-engineered wound healing model made of an upper-perforated epidermal compartment reconstructed with human keratinocytes expressing green fluorescent protein, stacked over a dermal compartment, innervated or not with sensory neurons. We showed that sensory neurons secreted SP in the construct and induced a two times faster wound closure in vitro. This effect was partially reproduced by addition of SP in the model without neurons, and completely blocked by a treatment with a specific antagonist of the SP receptor neurokinin-1 expressed by keratinocytes. However, this antagonist did not compromise wound closure compared with the control. Similar results were obtained when the model with or without neurons was transplanted on CD1 mice, while wound closure occurred faster. We conclude that sensory neurons play an important, but not essential, role in wound healing, even in absence of the immune system. This model is promising to study the influence of the nervous system on reepithelialization in normal and pathological conditions.
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.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle