Culture on Tissue‐Specific Coatings Derived from α‐Amylase‐Digested Decellularized Adipose Tissue Enhances the Proliferation and Adipogenic Differentiation of Human Adipose‐Derived Stromal Cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
While extracellular matrix (ECM)-derived coatings have the potential to direct the response of cell populations in culture, there is a need to investigate the effects of ECM sourcing and processing on substrate bioactivity. To develop improved cell culture models for studying adipogenesis, the current study examines the proliferation and adipogenic differentiation of human adipose-derived stem/stromal cells (ASCs) on a range of ECM-derived coatings. Human decellularized adipose tissue (DAT) and commercially available bovine tendon collagen (COL) are digested with α-amylase or pepsin to prepare the coatings. Physical characterization demonstrates that α-amylase digestion generates softer, thicker, and more stable coatings, with a fibrous tissue-like ultrastructure that is lost in the pepsin-digested thin films. ASCs cultured on the α-amylase-digested ECM have a more spindle-shaped morphology, and proliferation is significantly enhanced on the α-amylase-digested DAT coatings. Further, the α-amylase-digested DAT provides a more pro-adipogenic microenvironment, based on higher levels of adipogenic gene expression, glycerol-3-phosphate dehydrogenase (GPDH) enzyme activity, and perilipin staining. Overall, this study supports α-amylase digestion as a new approach for generating bioactive ECM-derived coatings, and demonstrates tissue-specific bioactivity using adipose-derived ECM to enhance ASC proliferation and adipogenic differentiation.
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.
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) | 0,001 | 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 | 0,001 |
| 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 découle