Spontaneous fibroblast‐derived pericyte recruitment in a human tissue‐engineered angiogenesis model in vitro
Notice bibliographique
Résumé
Cooperation between endothelial cells and pericytes is essential to the stabilization and maturation of blood microvessels. We developed a unique in vitro tissue-engineered model to study angiogenesis. The human endothelialized reconstructed connective tissue model promotes the formation of a three-dimensional branching network of capillary-like tubes (CLT) with closed lumens. The purpose of this work was to investigate whether pericytes were spontaneously recruited around CLT in the model. We demonstrated that smooth muscle α-actin (SMA)-positive cells were found closely associated with PECAM-1-positive capillaries in the model. Twelve percent (±2.6) of SMA-positive cells were detected along with 15% (±1.64) von Willebrand factor-positive endothelial cells in the culture system after 31 days of in vitro maturation. Conversely, no SMA-positive cells were detected in reconstructed connective tissues made solely of fibroblasts. Knowing that PDGF is a major factor in the recruitment of pericytes, we showed that blockade of the PDGFB receptor using the inhibitor AG1296 induced an overall 5, 2.6, and 2.4-fold decrease in the SMA-positive cells, von Willebrand factor-positive cells, and number of capillaries, respectively. Using combinations of human GFP-positive fibroblasts and endothelial cells, we demonstrated that pericytes were recruited from the fibroblast population in the model. In conclusion, our tissue-engineered culture system promotes the spontaneous formation of a network of capillaries and the recruitment of pericytes derived from fibroblasts. Since pericytes are essential components of the blood microvasculature, this culture system is a powerful model to study angiogenesis and endothelial cell/pericyte interactions in vitro.
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 | 0,000 |
| 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 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 ».