MétaCan
Menu
Retour à la cohorte
Enregistrement W2214848565 · doi:10.1096/fj.15-278846

Antisenescence effect of mouse embryonic stem cell conditioned medium through a PDGF/FGF pathway

2015· article· en· W2214848565 sur OpenAlexaff
Yun‐Ui Bae, Joon Hyuk Choi, András Nagy, Hoon‐Ki Sung, Jae‐Ryong Kim

Notice bibliographique

RevueThe FASEB Journal · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensHospital for Sick ChildrenUniversity of TorontoLunenfeld-Tanenbaum Research InstituteMount Sinai Hospital
Organismes subventionnairesNational Research Foundation of Korea
Mots-clésSenescenceEmbryonic stem cellCell biologyFibroblast growth factorBiologyGrowth factorPlatelet-derived growth factor receptorStem cellRegenerative medicineCancer researchGeneticsReceptor

Résumé

récupéré en direct d'OpenAlex

Cellular senescence, an irreversible state of growth arrest, underlies organismal aging and age-related diseases. Recent evidence suggests that aging intervention based on inhibition of cellular senescence might be a promising strategy for treatment of aging and age-related diseases. Embryonic stem cells (ESCs) and ESC conditioned medium (CM) have been suggested as a desirable source for regenerative medicine. However, effects of ESC-CM on cellular senescence remain to be determined. We found that treatment of senescent human dermal fibroblasts with CM from mouse ESCs (mESCs) decreases senescence phenotypes. We found that platelet-derived growth factor BB in mESC-CM plays a critical role in antisenescence effect of mESC-CM through up-regulation of fibroblast growth factor 2. We confirmed that mESC-CM treatment accelerates the wound-healing process by down-regulating senescence-associated p53 expression in in vivo models. Taken together, our results suggest that mESC-CM has the ability to suppress cellular senescence and maintain proliferative capacity. Therefore, this strategy might emerge as a novel therapeutic strategy for aging and age-related 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 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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,266
Écart entre enseignants0,239 · 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

Citations37
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207