Regulation of matrix remodelling phenotype in gingival fibroblasts by substratum topography
Notice bibliographique
Résumé
Gingival connective tissue often has a composition resembling that of scar surrounding dental implant abutments. Increased cell adhesion, α-smooth muscle actin (α-SMA) expression and increased extracellular matrix deposition are a hallmark of fibrotic cells, but how topographic features influence gingival fibroblast adhesion and adoption of the α-SMA positive myofibroblast phenotype associated with scarring is unknown. The purpose of the present study was to demonstrate whether implant topographies that limit adhesion formation would reduce myofibroblast differentiation and extracellular matrix deposition. Human gingival fibroblasts were cultured on PT (smooth) and SLA (roughened) titanium discs for varying time-points. At 1 and 2 weeks after seeding, incorporation of α-SMA into stress-fibre bundles and fibronectin deposition was significantly higher on PT than SLA surfaces indicating differentiation of the cells towards a myofibroblast phenotype. Analysis of adhesion formation demonstrated that cells formed larger adhesions and more stable adhesions on PT, with more nascent adhesions observed on SLA. Gene expression analysis identified up-regulation of 15 genes at 24 hrs on SLA versus PT associated with matrix remodelling. Pharmacological inhibition of Src/FAK signalling in gingival fibroblasts on PT reduced fibronectin deposition and CCN2 expression. We conclude that topographical features that reduce focal adhesion stability could be applied to inhibit myofibroblast differentiation in gingival fibroblasts.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».