Telomerase and neuronal marker status of differentiated NT2 and SK‐N‐SH human neuronal cells and primary human neurons
Notice bibliographique
Résumé
Upon treatment with retinoic acid, NTera-2 (NT2) human teratocarcinoma and SK-N-SH neuroblastoma cells can be induced to terminally differentiate into postmitotic neuronal cells. The neuronal cell yield obtained from the NT-2 cells is partially dependent on the time of differentiation (24-55 days). SK-N-SH cells differentiate into a mixed population of neuronal and epithelium-like cells. Here we report modified protocols that increase the number of differentiated NT-2 and SK-N-SH cells and that establish an enriched neuronal SK-N-SH-derived cell population essentially devoid of nonneuronal cells. Differentiated cells express the cytoskeleton-associated protein tau and other typical neuronal markers, such as Map2, Ngn1, NeuroD, Mash1, and GluR which are also expressed in primary human fetal neurons. Telomerase activity is down-regulated in differentiated cells, which is consistent with the telomerase status of primary fetal human neurons. Thus, differentiated NT2 and SK-N-SH cells may represent an excellent source for studies investigating the role of telomerase or other survival-promoting activities in protecting human neuronal cells from cell death-mediating stresses associated with neurodegenerative diseases.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| 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) | 0,000 | 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 ».