A monitoring system for axonal growth dynamics using micropatterns of permissive and Semaphorin 3F chemorepulsive signals
Notice bibliographique
Résumé
Neurons reach their correct targets by directional outgrowth of axons, which is mediated by attractive or repulsive cues. Growing axons occasionally cross a field of repulsive cues and stop at intermediate targets on the journey to their final destination. However, it is not well-understood how individual growth cones make decisions, and pass through repulsive territory to reach their permissive target regions. We developed a microcontact printing culture system that could trap individual axonal tips in a permissive dot area surrounded by the repulsive signal, semaphorin 3F (Sema3F). Axons of rat hippocampal neurons on the Sema3F/PLL dot array extended in the checkboard pattern with a significantly slow growth rate. The detailed analysis of the behaviors of axonal growth cones revealed the saccadic dynamics in the dot array system. The trapped axonal tips in the permissive area underwent growth cone enlargement with remarkably spiky filopodia, promoting their escape from the Sema3F constraints with straight extension of axons. This structured axonal growth on the dot pattern was disrupted by increased inter-dot distance, or perturbing intracellular signaling machineries. These data indicate that axons grow against repulsive signals by jumping over the repulsive cues, depending on contact signals and intracellular milieu. Our study suggests that our dot array culture system can be used as a screening system to easily and efficiently evaluate ECM or small molecule inhibitors interfering growth cone dynamics leading to controlling axonal growth.
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 ».