A FACS-Free Purification Method to Study Estrogen Signaling, Organoid Formation, and Metabolic Reprogramming in Mammary Epithelial Cells
Notice bibliographique
Résumé
Few in vitro models are used to study mammary epithelial cells (MECs), and most of these do not express the estrogen receptor α (ERα). Primary MECs can be used to overcome this issue, but methods to purify these cells generally require flow cytometry and fluorescence-activated cell sorting (FACS), which require specialized instruments and expertise. Herein, we present in detail a FACS-free protocol for purification and primary culture of mouse MECs. These MECs remain differentiated for up to six days with >85% luminal epithelial cells in two-dimensional culture. When seeded in Matrigel, they form organoids that recapitulate the mammary gland’s morphology in vivo by developing lumens, contractile cells, and lobular structures. MECs express a functional ERα signaling pathway in both two- and three-dimensional cell culture, as shown at the mRNA and protein levels and by the phenotypic characterization. Extracellular metabolic flux analysis showed that estrogens induce a metabolic switch favoring aerobic glycolysis over mitochondrial respiration in MECs grown in two-dimensions, a phenomenon known as the Warburg effect. We also performed mass spectrometry (MS)-based metabolomics in organoids. Estrogens altered the levels of metabolites from various pathways, including aerobic glycolysis, citric acid cycle, urea cycle, and amino acid metabolism, demonstrating that ERα reprograms cell metabolism in mammary organoids. Overall, we have optimized mouse MEC isolation and purification for two- and three-dimensional cultures. This model represents a valuable tool to study how estrogens modulate mammary gland biology, and particularly how these hormones reprogram metabolism during lactation and breast carcinogenesis.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».