Induction of neuronal phenotypes from NG2+ glial progenitors by inhibiting epidermal growth factor receptor in mouse spinal cord injury
Notice bibliographique
Résumé
Besides neural stem cells, some glial cells, such as GFAP+ cells, radial glia, and oligodendrocyte progenitor cells can produce neuronal cells. Attractively, NG2+ glial progenitors exhibit lineage plasticity, and they rapidly proliferate and differentiate in response to central nervous system (CNS) injuries. These attributes of NG2+ glial progenitors make them a promising source of neurons. However, the potential of neuronal regeneration from NG2+ glial progenitors in CNS pathologies remains to be investigated. In this study, we showed that antagonizing epidermal growth factor receptor (EGFR) function with EGFR inhibitor caused a significant number of proliferative NG2+ glial progenitors to acquire neuronal phenotypes in contusive spinal cord injury (SCI), which presumably led to an accumulation of newly generated neurons and contributed to the improved neural behavioral performance of animals. In addition, the neuronal differentiation of glial progenitors induced by EGFR inhibitor was further confirmed with two different cell lines either in vitro or through ex vivo transplantation experiment. The inhibition of EGFR signaling pathway under the gliogenic conditions could induce these cells to acquire neuronal phenotypes. Furthermore, we find that the Ras-ERK axis played a key role in neuronal differentiation of NG2+ glial progenitors upon EGFR inhibition. Taken together, our studies suggest that the EGFR inhibitor could promote neurogenesis post SCI, mainly from the NG2+ glial progenitors. These findings support the possibility of evoking endogenous neuronal replacement from NG2+ glial progenitors and suggest that EGFR inhibition may be beneficial to CNS trauma.
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 | 0,000 | 0,001 |
| 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 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 ».