Human pluripotent stem cell process parameter optimization in a small scale suspension bioreactor
Notice bibliographique
Résumé
Background As cell-based therapies begin to enter clinical trials, human pluripotent stem cells (PSCs) present a reliable and robust source of cells for differentiation into all cell types in the human body [1]. PSC may one day provide cells for new treatment options for a wide range of diseases including cardiovascular disease, neurodegenerative diseases, and diabetes. The large numbers of cells required for many of these therapies necessitates the development of scalable and cost efficient technologies for manufacturing PSCs and their derivatives [2]. PSCs are an adherent cell type that is susceptible to phenotypic change in response to environmental stress. Adherent PSCs can be grown in suspension by forming aggregates of undifferentiated cells [3,4], by encapsulating PSCs in beads or hydrogels [5,6], or by adhering PSCs to the surface of microcarriers [7,8]. Most PSC suspension expansion to date has been performed in benchtop stirred-tank bioreactors operating at volumes of 50-200mL. Little bioprocess optimization has been conducted at these scales likely because of the high cost of PSC growth media and labour requirements for bioreactor growth. This study describes the use of a small-scale bioreactor system for Design-of-Experiments based PSC expansion process development. These process developments inform strategies to bring PSC-based processes into clinical production.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».