MétaCan
Menu
Retour à la cohorte
Enregistrement W2167346232 · doi:10.1039/c3ib20274g

Design principles for generating robust gene expression patterns in dynamic engineered tissues

2013· article· en· W2167346232 sur OpenAlexafffund
Sahar Javaherian, Nikolaos Anesiadis, Radhakrishnan Mahadevan, Alison P. McGuigan

Notice bibliographique

RevueIntegrative Biology · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePluripotent Stem Cells Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésLibrary scienceEngineeringChemistryComputer science

Résumé

récupéré en direct d'OpenAlex

Recapitulating native tissue organization is a central challenge in regenerative medicine as it is critical for generating functional tissues. One strategy to generate engineered tissues with predictable and appropriate organization is to mimic the gene expression patterning process that organizes tissues in the developing embryo. In a developing embryo, correct organization is accomplished by tissue patterning via the generation of temporal and spatial patterns of gene expression coupled with, and leading to, extensive cellular re-organization. Methods to pattern gene expression in vitro could therefore provide both better models for understanding the cellular and molecular events taking place during tissue morphogenesis and novel strategies for engineering tissues with more realistic and complex architectures. While a few attempts have been made to genetically pattern tissues in vitro, these do not produce sharp predictable patterning. In both the embryo and an in vitro tissue, patterning often occurs during extensive cell re-organization but how the dynamics of gene induction and cell re-distribution interact to impact the final outcome of patterning and ultimately tissue organization is not known. Understanding this relationship and the system parameters that dictate robust pattern formation is critical for engineering genetic patterning in vitro to organize artificial tissues. We set out to identify key requirements for pattern formation by patterning gene expression in vitro in sheets of re-distributing cells using a drug-inducible gene expression system and patterned drug delivery to mimic morphogen gene induction. Based on our experimental observations, we develop a mathematical model that allows us to identify and experimentally verify the conditions under which generation of sharp gene expression patterns is possible in vitro. Our results highlight the importance of coordinating gene induction dynamics and cellular movement in order to achieve robust pattern formation.

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)0,001
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 enseignants0,001
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,036
Tête enseignante GPT0,301
Écart entre enseignants0,264 · 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

Citations16
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIntegrative BiologyMême sujetPluripotent Stem Cells ResearchTravaux en français237 207