MétaCan
Menu
Retour à la cohorte
Enregistrement W2008163660 · doi:10.1371/journal.pone.0038954

Identification of a Candidate Proteomic Signature to Discriminate Multipotent and Non-Multipotent Stromal Cells

2012· article· en· W2008163660 sur OpenAlexafffund
Michael Rosu‐Myles, Yi‐Min She, Joel Fair, Gauri Muradia, Jelica Mehic, Pablo Menéndez, Shiv S. Prasad, Terry D. Cyr

Notice bibliographique

RevuePLoS ONE · 2012
Typearticle
Langueen
DomaineMedicine
ThématiqueMesenchymal stem cell research
Établissements canadiensUniversity of OttawaHealth Canada
Organismes subventionnairesGovernment of CanadaAustralian Government
Mots-clésStromal cellBone marrowMesenchymal stem cellBiologyCell biologyMultipotent Stem CellProteomeStem cellCancer researchImmunologyBioinformaticsProgenitor cell

Résumé

récupéré en direct d'OpenAlex

Bone marrow stromal cell cultures contain multipotent cells that may have therapeutic utility for tissue restoration; however, the identity of the cell that maintains this function remains poorly characterized. We have utilized a unique model of murine bone marrow stroma in combination with liquid chromatography mass spectrometry to compare the nuclear, cytoplasmic and membrane associated proteomes of multipotent (MSC) (CD105+) and non-multipotent (CD105-) stromal cells. Among the 25 most reliably identified proteins, 10 were verified by both real-time PCR and Western Blot to be highly enriched, in CD105+ cells and were members of distinct biological pathways and functional networks. Five of these proteins were also identified as potentially expressed in human MSC derived from both standard and serum free human stromal cultures. The quantitative amount of each protein identified in human stromal cells was only minimally affected by media conditions but varied highly between bone marrow donors. This study provides further evidence of heterogeneity among cultured bone marrow stromal cells and identifies potential candidate proteins that may prove useful for identifying and quantifying both murine and human MSC 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,276
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetMesenchymal stem cell researchTravaux en français237 207