Generation of a Phenotypic Array of Hypothalamic Neuronal Cell Models to Study Complex Neuroendocrine Disorders
Notice bibliographique
Résumé
Knowledge of how the brain achieves its diverse central control of basic physiology is severely limited by the virtual absence of appropriate cell models. Isolation of clonal populations of unique peptidergic neurons from the hypothalamus will facilitate these studies. Herein we describe the mass immortalization of mouse primary hypothalamic cells in monolayer culture, resulting in the generation of a vast representation of hypothalamic cell types. Subcloning of the heterogeneous cell populations resulted in the establishment of 38 representative clonal neuronal cell lines, of which 16 have been further characterized by analysis of 28 neuroendocrine markers. These cell lines represent the first available models to study the regulation of neuropeptides associated with the control of feeding behavior, including neuropeptide Y, ghrelin, urocortin, proopiomelanocortin, melanin-concentrating hormone, neurotensin, proglucagon, and GHRH. Importantly, a representative cell line responds appropriately to leptin stimulation and results in the repression of neuropeptide Y gene expression. These cell models can be used for detailed molecular analysis of neuropeptide gene regulation and signal transduction events involved in the direct hormonal control of unique hypothalamic neurons, not yet possible in the whole brain. Such studies may contribute information necessary for the strategic design of therapeutic interventions for complex neuroendocrine disorders, such as obesity.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».