Modelling kidney disease with CRISPR-mutant kidney organoids derived from human pluripotent epiblast spheroids
Notice bibliographique
Résumé
Human-pluripotent-stem-cell-derived kidney cells (hPSC-KCs) have important potential for disease modelling and regeneration. Whether the hPSC-KCs can reconstitute tissue-specific phenotypes is currently unknown. Here we show that hPSC-KCs self-organize into kidney organoids that functionally recapitulate tissue-specific epithelial physiology, including disease phenotypes after genome editing. In three-dimensional cultures, epiblast-stage hPSCs form spheroids surrounding hollow, amniotic-like cavities. GSK3β inhibition differentiates spheroids into segmented, nephron-like kidney organoids containing cell populations with characteristics of proximal tubules, podocytes and endothelium. Tubules accumulate dextran and methotrexate transport cargoes, and express kidney injury molecule-1 after nephrotoxic chemical injury. CRISPR/Cas9 knockout of podocalyxin causes junctional organization defects in podocyte-like cells. Knockout of the polycystic kidney disease genes PKD1 or PKD2 induces cyst formation from kidney tubules. All of these functional phenotypes are distinct from effects in epiblast spheroids, indicating that they are tissue specific. Our findings establish a reproducible, versatile three-dimensional framework for human epithelial disease modelling and regenerative medicine applications.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».