Visualizing Spatiotemporal Dynamics of Intercellular Mechanotransmission upon Wounding
Notice bibliographique
Résumé
During cell-to-cell communications, the interplay between physical and biochemical cues is essential for informational exchange and functional coordination, especially in multicellular organisms. However, it remains a challenge to visualize intercellular signaling dynamics in single live cells. Here, we report a photonic approach, based on laser microscissors and Förster resonance energy transfer (FRET) microscopy, to study intercellular signaling transmission. First, using our high-throughput screening platform, we developed a highly sensitive FRET-based biosensor (SCAGE) for Src kinase, a key regulator of intercellular interactions and signaling cascades. Notably, SCAGE showed a more than 40-fold sensitivity enhancement than the original biosensor in live mammalian cells. Next, upon local severance of physical intercellular connections by femtosecond laser pulses, SCAGE enabled the visualization of a transient Src activation across neighboring cells. Lastly, we found that this observed transient Src activation following the loss of cell-cell contacts depends on the passive structural support of cytoskeleton but not on the active actomyosin contractility. Hence, by precisely introducing local physical perturbations and directly visualizing spatiotemporal transmission of ensuing signaling events, our integrated approach could be broadly applied to mimic and investigate the wounding process at single-cell resolutions. This integrated approach with highly sensitive FRET-based biosensors provides a unique system to advance our in-depth understanding of molecular mechanisms underlying the physical-biochemical basis of intercellular coupling and wounding processes.
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 ».