Effect of nutrient metabolism on cartilaginous tissue formation
Notice bibliographique
Résumé
Abstract A major shortcoming in cartilage tissue engineering is the low biosynthetic response of chondrocytes. While different strategies have been investigated, a novel approach may be to control nutrient metabolism. Although known for their anaerobic metabolism, chondrocytes are more synthetically active under conditions that elicit mixed aerobic–anaerobic metabolism. Here, we postulate this metabolic switch induces HIF‐1α signaling resulting in improved growth. Transition to different metabolic states can result in the pooling of metabolites, several of which can stabilize HIF‐1α by interfering with PHD2. Chondrocytes cultured under increased media availability accelerated tissue deposition with the greatest effect occurring at 2 ml/10 6 cells. Under higher media availability, metabolism switched from anaerobic to mixed aerobic‐anaerobic. Around this transition, maximal changes in PHD2 activity, HIF‐1α expression, and HIF‐1 target gene expression were observed. Loss‐of‐function studies using YC‐1 confirmed the involvement of HIF‐1. Lastly, targeted metabolomic studies revealed that intracellular lactate and succinate correlated with PHD2 activity. This study demonstrates that cartilaginous tissue formation can be regulated by nutrient metabolism and that this response is mediated through changes in HIF‐1α signaling. By harnessing this newly identified metabolic switch, engineered cartilage implants may be developed without the need for sophisticated methods which could aid translation to the clinic.
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 ».