Effect of Nutrient Metabolism on Cartilaginous Tissue Formation
Notice bibliographique
Résumé
Despite the potential of tissue engineering approaches for cartilage repair, a major shortcoming is the low biosynthetic response of chondrocytes. While different strategies have been investigated to upregulate tissue formation, a novel approach may be to control nutrient metabolism. Although known for their anaerobic metabolism of glucose, chondrocytes are more synthetically active when cultured under conditions that elicit mixed aerobic-anaerobic metabolism. Here, we postulate this metabolic switch induces hypoxia inducible factor 1α (HIF-1α) signaling leading to improved tissue growth. Transition to different metabolic states can result in the pooling of intracellular metabolites, several of which can stabilize HIF-1α by interfering with proline-hydroxylase-2 (PHD2). Chondrocytes cultured under increased media availability accelerated tissue deposition (2.2 to 3.5-fold) with the greatest effect occurring at intermediate volumes (2 mL/106 cells). Under higher media volumes, metabolism switched from anaerobic to mixed aerobic-anaerobic. At and beyond this transition, maximal changes in PHD2 activity (- 45%), HIF-1α protein expression (8-fold increase), and HIF-1 gene target expression were observed (2.0 to 2.7-fold increase). Loss-of-function studies using YC-1 (to degrade HIF-1α) confirmed the involvement of HIF-1 signaling under these conditions. Lastly, targeted metabolomic studies of glucose metabolites (14 in total) revealed that both intracellular lactate and succinate correlated with PHD2 activity. Although both metabolites can inhibit PHD2, this effect can most likely be attributed to lactate as succinate was only present in trace amounts. However, addition work (e.g., 13C flux analyses) are required to confirm this assertion. Nevertheless, by harnessing this newly identified metabolic switch, functional engineered cartilage implants may be developed without the need for sophisticated methods which would allow for improved translation into the clinical realm.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».