Transdifferentiation of Human Fibroblasts into Skeletal Muscle Cells: Optimization and Assembly into Engineered Tissue Constructs through Biological Ligands
Notice bibliographique
Résumé
The development of robust skeletal muscle models has been challenging due to the partial recapitulation of human physiology and architecture. Reliable and innovative 3D skeletal muscle models recently described offer an alternative that more accurately captures the in vivo environment but require an abundant cell source. Direct reprogramming or transdifferentiation has been considered as an alternative. Recent reports have provided evidence for significant improvements in the efficiency of derivation of human skeletal myotubes from human fibroblasts. Herein we aimed at improving the transdifferentiation process of human fibroblasts (tHFs), in addition to the differentiation of murine skeletal myoblasts (C2C12), and the differentiation of primary human skeletal myoblasts (HSkM). Differentiating or transdifferentiating cells were exposed to single or combinations of biological ligands, including Follistatin, GDF8, FGF2, GDF11, GDF15, hGH, TMSB4X, BMP4, BMP7, IL6, and TNF-α. These were selected for their critical roles in myogenesis and regeneration. C2C12 and tHFs displayed significant differentiation deficits when exposed to FGF2, BMP4, BMP7, and TNF-α, while proliferation was significantly enhanced by FGF2. When exposed to combinations of ligands, we observed consistent deficit differentiation when TNF-α was included. Finally, our direct reprogramming technique allowed for the assembly of elongated, cross-striated, and aligned tHFs within tissue-engineered 3D skeletal muscle constructs. In conclusion, we describe an efficient system to transdifferentiate human fibroblasts into myogenic cells and a platform for the generation of tissue-engineered constructs. Future directions will involve the evaluation of the functional characteristics of these engineered tissues.
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 ».