Modulation of oligodendrocyte differentiation and maturation by combined biochemical and mechanical cues
Notice bibliographique
Résumé
Extracellular matrix (ECM) proteins play a key role during oligodendrogenesis. While fibronectin (FN) is involved in the maintenance and proliferation of oligodendrocyte progenitor cells (OPCs), merosin (MN) promotes differentiation into oligodendrocytes (OLs). Mechanical properties of the ECM also seem to affect OL differentiation, hence this study aimed to clarify the impact of combined biophysical and biochemical elements during oligodendrocyte differentiation and maturation using synthetic elastic polymeric ECM-like substrates. CG-4 cells presented OPC- or OL-like morphology in response to brain-compliant substrates functionalised with FN or MN, respectively. The expression of the differentiation and maturation markers myelin basic protein--MBP--and proteolipid protein--PLP--(respectively) by primary rat oligodendrocytes was enhanced in presence of MN, but only on brain-compliant conditions, considering the distribution (MBP) or amount (PLP) of the protein. It was also observed that maturation of OLs was attained earlier (by assessing PLP expression) by cells differentiated on MN-functionalised brain-compliant substrates than on standard culture conditions. Moreover, the combination of MN and substrate compliance enhanced the maturation and morphological complexity of OLs. Considering the distinct degrees of stiffness tested ranging within those of the central nervous system, our results indicate that 6.5 kPa is the most suitable rigidity for oligodendrocyte differentiation.
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 ».