Transfection of hard-to-transfect primary human macrophages with<i>Bax</i>siRNA to reverse Resveratrol-induced apoptosis
Notice bibliographique
Résumé
Small interfering RNA (siRNA) is a critical loss-of-function tool for elucidating the role of genes in biomedical studies. The effective use of siRNA needs transfection technology that delivers siRNA into the correct location of target cells, especially those which are extremely difficult to transfect. Macrophages, which play an important role in the pathogenesis of many diseases, are known to be extremely hard to transfect. Thus, to elucidate the functions of genes in human macrophage biology, it is essential to devise technology for efficient siRNA transfection. However, a fast and efficient method for siRNA transfection in primary human macrophages has not been reported. The siRNA transfection is a tug-of-war between transfection rate and cytotoxicity. A higher transfection rate is generally accompanied with increased cytotoxicity, therefore, choosing a transfection reagent that limits cell death while maintain a desirable transfection rate is important. In this study, we employed auto-analysis function of the IncuCyte® to devise a fast and cost-saving technology for efficient transfection of adherent cells and particularly human macrophages. We show that DharmaFECT3 transfection reagent from Dharmacon was the most efficient in transfecting primary human monocyte-derived macrophages and PMA-differentiated U937 cells, whereas other transfection reagents tested were cytotoxic. This method exhibited approximately 85% transfection efficiency in human macrophages. Moreover, siRNA silencing of Bax with this technique effectively protected primary human macrophages and PMA-differentiated U937 cells against Resveratrol-induced cell death. In addition, this method inherently takes the balance between transfection rate and cytotoxicity of siRNA transfection reagents into consideration.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».