MétaCan
Menu
Retour à la cohorte
Enregistrement W3011099411 · doi:10.1021/acsami.0c01172

Nanoporosity Stimulates Cell Spreading and Focal Adhesion Formation in Cells with Mutated Paxillin

2020· article· en· W3011099411 sur OpenAlexafffund
Dainelys Guadarrama Bello, Aurélien Fouillen, Antonella Badia, Antonio Nanci

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensUniversité de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésPaxillinFocal adhesionFilopodiaNanotopographyCell biologyCell adhesionMaterials scienceAdhesionActinCDC42LamellipodiumCell migrationCellBiophysicsPhosphorylationBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

We have evaluated the response to nanotopography of CHO-K1 cells that express wild-type paxillin or paxillin with mutations at serine 273 that inhibit phosphorylation. Cells were grown on nanoporous and polished titanium surfaces. With all cell types, immunofluorescence showed that adhesion and spreading were minimally affected on the treated surface and that the actin filaments were more abundant and well-aligned. Scanning electron microscopy revealed changes in cell shape and abundant filopodia with lateral nanoprotrusions in response to nanoporosity. Gene expression of proteins associated with cellular adhesion and protrusions was significantly increased on the nanoporous surface regardless of the cell type. In particular, α-actinin, Rac1, Cdc42, and ITGα1 were upregulated in S273 cells with alanine substitutions, whereas FAK, Pxn, and Src were downregulated, leading to improved focal adhesion formation. These findings suggest that the surface nanoporosity can "compensate for" the genetic mutations that affect the biomechanical relationship of cells to surfaces.

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 enseignants0,001
Score d'incertitude au seuil0,550

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 Opus0,009
Tête enseignante GPT0,202
Écart entre enseignants0,193 · 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

Citations28
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetCellular Mechanics and InteractionsTravaux en français237 207