Mass Spectrometry–based Proteomic Analysis of the Matrix Microenvironment in Pluripotent Stem Cell Culture
Notice bibliographique
Résumé
The cellular microenvironment comprises soluble factors, support cells, and components of the extracellular matrix (ECM) that combine to regulate cellular behavior. Pluripotent stem cells utilize interactions between support cells and soluble factors in the microenvironment to assist in the maintenance of self-renewal and the process of differentiation. However, the ECM also plays a significant role in shaping the behavior of human pluripotent stem cells, including embryonic stem cells (hESCs) and induced pluripotent stem cells. Moreover, it has recently been observed that deposited factors in a hESC-conditioned matrix have the potential to contribute to the reprogramming of metastatic melanoma cells. Therefore, the ECM component of the pluripotent stem cell microenvironment necessitates further analysis. In this study we first compared the self-renewal and differentiation properties of hESCs grown on Matrigel™ pre-conditioned by hESCs to those on unconditioned Matrigel™. We determined that culture on conditioned Matrigel™ prevents differentiation when supportive growth factors are removed from the culture medium. To investigate and identify factors potentially responsible for this beneficial effect, we performed a defined SILAC MS-based proteomics screen of hESC-conditioned Matrigel™. From this proteomics screen, we identified over 80 extracellular proteins in matrix conditioned by hESCs and induced pluripotent stem cells. These included matrix-associated factors that participate in key stem cell pluripotency regulatory pathways, such as Nodal/Activin and canonical Wnt signaling. This work represents the first investigation of stem-cell-derived matrices from human pluripotent stem cells using a defined SILAC MS-based proteomics approach.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».