Predictive microfluidic control of regulatory ligand trajectories in individual pluripotent cells
Notice bibliographique
Résumé
Local (cell-level) signaling environments, regulated by autocrine and paracrine signaling, and modulated by cell organization, are hypothesized to be fundamental stem cell fate control mechanisms used during development. It has, however, been challenging to demonstrate the impact of cell-level organization on stem cell fate control and to relate stem cell fate outcomes to autocrine and paracrine signaling. We address this fundamental problem using a combined in silico and experimental approach in which we directly manipulate, using laminar fluid flow, the local impact of endogenously secreted gp130-activating ligands and their activation of signal transducer and activator of transcription3 (STAT3) signaling in mouse embryonic stem cells (mESC). Our model analysis predicted that flow-dependent changes in autocrine and paracrine ligand binding would impact heterogeneity in cell- and colony-level STAT3 signaling activation and cause a gradient of cell fate determination along the direction of flow. Interestingly, analysis also predicted that local cell density would be inversely proportional to the degree to which endogenous secretion contributed to cell fate determination. Experimental validation using functional activation of STAT3 by secreted factors under microfluidic perfusion culture demonstrated that STAT3 activation and consequently mESC fate were manipulable by flow rate, position in the flow field, and local cell organization. As a unique demonstration of how quantitative control of autocrine and paracrine signaling can be integrated with spatial organization to elicit higher order cell fate effects, this work provides a general template to investigate organizing principles due to secreted factors.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».