Directed differentiation and direct reprogramming: Applying stem cell technologies to hearing research
Notice bibliographique
Résumé
Hearing loss is the most widely spread sensory disorder in our society. In the majority of cases, it is caused by the loss or malfunctioning of cells in the cochlea: the mechanosensory hair cells, which act as primary sound receptors, and the connecting auditory neurons of the spiral ganglion, which relay the signal to upper brain centers. In contrast to other vertebrates, where damage to the hearing organ can be repaired through the activity of resident cells, acting as tissue progenitors, in mammals, sensory cell damage or loss is irreversible. The understanding of gene and cellular functions, through analysis of different animal models, has helped to identify causes of disease and possible targets for hearing restoration. Translation of these findings to novel therapeutics is, however, hindered by the lack of cellular assays, based on human sensory cells, to evaluate the conservation of molecular pathways across species and the efficacy of novel therapeutic strategies. In the last decade, stem cell technologies enabled to generate human sensory cell types in vitro, providing novel tools to study human inner ear biology, model disease, and validate therapeutics. This review focuses specifically on two technologies: directed differentiation of pluripotent stem cells and direct reprogramming of somatic cell types to sensory hair cells and neurons. Recent development in the field are discussed as well as how these tools could be implemented to become routinely adopted experimental models for hearing research.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».