MétaCan
Menu
Retour à la cohorte
Enregistrement W2921464684 · doi:10.1002/btpr.2800

Expansion of retinal stem cells and their progeny using cell microcarriers in a bioreactor

2019· article· en· W2921464684 sur OpenAlexafffund
Tahani Baakdhah, Derek van der Kooy

Notice bibliographique

RevueBiotechnology Progress · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRetinal Development and Disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchFoundation MedicineOntario Institute for Regenerative MedicineKrembil Foundation
Mots-clésRetinitis pigmentosaMicrocarrierTransplantationBioreactorStem cellBiologyRetinalHypoxia (environmental)Cell biologyRetinaCell cultureChemistryGeneticsMedicineSurgeryBotanyNeuroscience

Résumé

récupéré en direct d'OpenAlex

Abstract Blindness as a consequence of degenerative eye diseases (e.g., age‐related macular degeneration and retinitis pigmentosa) is a major health problem and numbers are expected to increase by up to 50% by 2020. Unfortunately, adult mouse and human retinal stem cells (RSCs), unlike fish and amphibians , are quiescent in vivo and do not regenerate following disease or injury. To replace lost cells, we used microcarriers (MCs) in a suspension stirring bioreactor to help achieve numbers suitable for differentiation and transplantation. We achieved a significant 10‐fold enrichment of RSC yield compared to conventional static culture techniques using a combination of FACTIII MCs and relative hypoxia (5%) inside the bioreactor. We found that hypoxia (5% O 2 ) was associated with better RSC expansion across all platforms; and this can be attributed to hypoxia‐induced increases in survival and/or symmetric division of stem cells. In the future, we will target the differentiation of RSCs and their progeny toward rod and cone photoreceptor phenotypes using FACTIII MCs inside bioreactors to expand their populations in order to produce the large numbers of cells needed for transplantation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,086
Score d'incertitude au seuil0,504

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,212
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiotechnology ProgressMême sujetRetinal Development and DisordersTravaux en français237 207