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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,013
Score d'incertitude au seuil0,654

Scores Codex et Gemma par catégorie

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

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 tête enseignante, 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