Transdifferentiating Astrocytes Into Neurons Using ASCL1 Functionalized With a Novel Intracellular Protein Delivery Technology
Notice bibliographique
Résumé
Cellular transdifferentiation changes mature cells from one phenotype into another by altering their gene expression patterns. Manipulating expression of transcription factors, proteins that bind to DNA promoter regions, regulates the levels of key developmental genes. Viral delivery of transcription factors can efficiently reprogram somatic cells, but this method possesses undesirable side effects, including as mutations leading to oncogenesis. Using protein transduction domains (PTDs) fused to transcription factors to deliver exogenous transcription factors serves as an alternative strategy that avoids the issues associated with DNA integration into the host genome. However, lysosomal degradation and inefficient nuclear localization pose significant barriers when performing PTD-mediated reprogramming. Here we investigate a novel PTD by placing a secretion signal sequence next to a cleavage inhibition sequence at the end of the target transcription factor - achaete scute homolog 1 (ASCL1), a powerful regulator of neurogenesis, resulting in superior stability and nuclear localization . A fusion protein consisting of the amino acid sequence of ASCL1 transcription factor with this novel PTD added can transdifferentiate cerebral cortex astrocytes into neurons. Additionally, we show that the synergistic action of certain small molecules improves the efficiency of the transdifferentiation process. This study serves as the first step towards developing a clinically relevant in vivo transdifferentiation strategy for converting astrocytes into neurons.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».