Human Spinal Oligodendrogenic Neural Progenitor Cells Promote Functional Recovery After Spinal Cord Injury by Axonal Remyelination and Tissue Sparing
Notice bibliographique
Résumé
Cell transplantation therapy utilizing neural precursor cells (NPCs) is a conceptually attractive strategy for traumatic spinal cord injury (SCI) to replace lost cells, remyelinate denuded host axons and promote tissue sparing. However, the number of mature oligodendrocytes that differentiate from typical NPCs remains limited. Herein, we describe a novel approach to bias the differentiation of directly reprogrammed human NPCs (drNPCs) toward a more oligodendrogenic fate (oNPCs) while preserving their tripotency. The oNPCs derived from different lines of human NPCs showed similar characteristics in vitro. To assess the in vivo efficacy of this approach, we used oNPCs derived from drNPCs and transplanted them into a SCI model in immunodeficient Rowett Nude (RNU) rats. The transplanted cells showed significant migration along the rostrocaudal axis and proportionally greater differentiation into oligodendrocytes. These cells promoted perilesional tissue sparing and axonal remyelination, which resulted in recovery of motor function. Moreover, after transplantation of the oNPCs into intact spinal cords of immunodeficient NOD/SCID mice, we detected no evidence of tumor formation even after 5 months of observation. Thus, biasing drNPC differentiation along an oligodendroglial lineage represents a promising approach to promote tissue sparing, axonal remyelination, and neural repair after traumatic SCI. Stem Cells Translational Medicine 2018;7:806-818.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».