Concise Review: Hitting the Right Spot with Mesenchymal Stromal Cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Mesenchymal stromal cells or mesenchymal stem cells (MSCs) have captured considerable scientific and public interest because of their potential to limit physical and immune injury, to produce bioactive molecules and to regenerate tissues. MSCs are phenotypically heterogeneous and distinct subpopulations within MSC cultures are presumed to contribute to tissue repair and the modulation of allogeneic immune responses. As the first example of efficacy, clinical trials for prevention and treatment of graft-versus-host disease after hematopoietic cell transplantation show that MSCs can effectively treat human disease. The view of the mechanisms whereby MSCs function as immunomodulatory and reparative cells has evolved simultaneously. Initially, donor MSCs were thought to replace damaged cells in injured tissues of the recipient. More recently, however, it has become increasingly clear that even transient MSC engraftment may exert favorable effects through the secretion of cytokines and other paracrine factors, which engage and recruit recipient cells in productive tissue repair. Thus, an important reason to investigate MSCs in mechanistic preclinical models and in clinical trials with well-defined end points and controls is to better understand the therapeutic potential of these multifunctional cells. Here, we review the controversies and recent insights into MSC biology, the regulation of alloresponses by MSCs in preclinical models, as well as clinical experience with MSC infusions (Table 1) and the challenges of manufacturing a ready supply of highly defined transplantable MSCs.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| 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 | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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 découle