The Impact of GFP Reporter Gene Transduction and Expression on Metabolomics of Placental Mesenchymal Stem Cells Determined by UHPLC-Q/TOF-MS
Notice bibliographique
Résumé
INTRODUCTION: Green fluorescent protein (GFP) is widely used as a reporter gene in regenerative medicine research to label and track stem cells. Here, we examined whether expressing GFP gene may impact the metabolism of human placental mesenchymal stem cells (hPMSCs). METHODS: C-dansyl labeling LC-MS method targeting the amine/phenol submetabolome was used for in-depth cell metabolome profiling. RESULTS: A total of 1151 peak pairs or metabolites were detected from 12 LC-MS runs. Principal component analysis and partial least squares discriminant analysis showed poor separation, and the volcano plots demonstrated that most of the metabolites were not significantly changed when hPMSCs were tagged with GFP. Overall, 739 metabolites were positively or putatively identified. Only 11 metabolites showed significant changes. Metabolic pathway analyses indicated that three of the identified metabolites were involved in nine pathways. However, these metabolites are unlikely to have a large impact on the metabolic pathways due to their nonessential roles and limited hits in pathway analysis. CONCLUSION: This study indicated that the expression of ectopic GFP reporter gene did not significantly alter the metabolomics pathways covered by the amine/phenol submetabolome.
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 | 0,001 | 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 ».