MétaCan
Menu
Retour à la cohorte
Enregistrement W2159556274 · doi:10.1098/rsif.2013.0179

Mesenchymal stem cell mechanobiology and emerging experimental platforms

2013· article· en· W2159556274 sur OpenAlexaff
Luke A. MacQueen, Yu Sun, Craig A. Simmons

Notice bibliographique

RevueJournal of The Royal Society Interface · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMechanobiologyMesenchymal stem cellCell mechanicsMechanotransductionCell functionFunction (biology)Computer scienceNanotechnologyCellBiologyCell biologyMaterials scienceCytoskeleton

Résumé

récupéré en direct d'OpenAlex

Experimental control over progenitor cell lineage specification can be achieved by modulating properties of the cell's microenvironment. These include physical properties of the cell adhesion substrate, such as rigidity, topography and deformation owing to dynamic mechanical forces. Multipotent mesenchymal stem cells (MSCs) generate contractile forces to sense and remodel their extracellular microenvironments and thereby obtain information that directs broad aspects of MSC function, including lineage specification. Various physical factors are important regulators of MSC function, but improved understanding of MSC mechanobiology requires novel experimental platforms. Engineers are bridging this gap by developing tools to control mechanical factors with improved precision and throughput, thereby enabling biological investigation of mechanics-driven MSC function. In this review, we introduce MSC mechanobiology and review emerging cell culture platforms that enable new insights into mechanobiological control of MSCs. Our main goals are to provide engineers and microtechnology developers with an up-to-date description of MSC mechanobiology that is relevant to the design of experimental platforms and to introduce biologists to these emerging platforms.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,229
Écart entre enseignants0,223 · 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

Citations140
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of The Royal Society InterfaceMême sujetCellular Mechanics and InteractionsTravaux en français237 207