Human Pluripotent Stem Cells: A Unique Tool for Toxicity Testing in Pancreatic Progenitor and Endocrine Cells
Notice bibliographique
Résumé
Diabetes prevalence is increasing worldwide, and epidemiological studies report an association between diabetes incidence and environmental pollutant exposure. There are >84,000 chemicals in commerce, many of which are released into the environment without a clear understanding of potential adverse health consequences. While in vivo rodent studies remain an important tool for testing chemical toxicity systemically, we urgently need high-throughput screening platforms in biologically relevant models to efficiently prioritize chemicals for in depth toxicity analysis. Given the increasing global burden of obesity and diabetes, identifying chemicals that disrupt metabolism should be a high priority. Pancreatic endocrine cells are key regulators of systemic metabolism, yet often overlooked as a target tissue in toxicology studies. Immortalized β-cell lines and primary human, porcine, and rodent islets are widely used for studying the endocrine pancreas in vitro , but each have important limitations in terms of scalability, lifespan, and/or biological relevance. Human pluripotent stem cell (hPSC) culture is a powerful tool for in vitro toxicity testing that addresses many of the limitations with other β-cell models. Current in vitro differentiation protocols can efficiently generate glucose-responsive insulin-secreting β-like cells that are not fully mature, but still valuable for high-throughput toxicity screening in vitro . Furthermore, hPSCs can be applied as a model of developing pancreatic endocrine cells to screen for chemicals that influence endocrine cell formation during critical windows of differentiation. Given their versatility, we recommend using hPSCs to identify potential β-cell toxins, which can then be prioritized as chemicals of concern for metabolic disruption.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».