REST suppression mediates neural conversion of adult human fibroblasts via microRNA‐dependent and ‐independent pathways
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Direct conversion of human fibroblasts into mature and functional neurons, termed induced neurons (iNs), was achieved for the first time 6 years ago. This technology offers a promising shortcut for obtaining patient- and disease-specific neurons for disease modeling, drug screening, and other biomedical applications. However, fibroblasts from adult donors do not reprogram as easily as fetal donors, and no current reprogramming approach is sufficiently efficient to allow the use of this technology using patient-derived material for large-scale applications. Here, we investigate the difference in reprogramming requirements between fetal and adult human fibroblasts and identify REST as a major reprogramming barrier in adult fibroblasts. Via functional experiments where we overexpress and knockdown the REST-controlled neuron-specific microRNAs miR-9 and miR-124, we show that the effect of REST inhibition is only partially mediated via microRNA up-regulation. Transcriptional analysis confirmed that REST knockdown activates an overlapping subset of neuronal genes as microRNA overexpression and also a distinct set of neuronal genes that are not activated via microRNA overexpression. Based on this, we developed an optimized one-step method to efficiently reprogram dermal fibroblasts from elderly individuals using a single-vector system and demonstrate that it is possible to obtain iNs of high yield and purity from aged individuals with a range of familial and sporadic neurodegenerative disorders including Parkinson's, Huntington's, as well as Alzheimer's disease.
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.
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 | 0,001 | 0,001 |
| 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 découle