MétaCan
Menu
Retour à la cohorte
Enregistrement W3202459953 · doi:10.3791/62497

<em>In vitro</em> Induction of Human Dental Pulp Stem Cells Toward Pancreatic Lineages

2021· article· en· W3202459953 sur OpenAlexaboutno aff
Suryo Kuncorojakti, Watchareewan Rodprasert, Quynh Dang Le, Thanaphum Osathanon, Prasit Pavasant, Chenphop Sawangmake

Notice bibliographique

RevueJournal of Visualized Experiments · 2021
Typearticle
Langueen
DomaineMedicine
ThématiquePancreatic function and diabetes
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMesenchymal stem cellDental pulp stem cellsTransplantationStem cellPancreasIsletPancreatic isletsCadaveric spasmCell biologyBiologyMedicineInsulinBioinformaticsInternal medicineEndocrinologyAnatomy

Résumé

récupéré en direct d'OpenAlex

As of 2000, the success of pancreatic islet transplantation using the Edmonton protocol to treat type I diabetes mellitus still faced some obstacles. These include the limited number of cadaveric pancreas donors and the long-term use of immunosuppressants. Mesenchymal stem cells (MSCs) have been considered to be a potential candidate as an alternative source of islet-like cell generation. Our previous reports have successfully illustrated the establishment of induction protocols for differentiating human dental pulp stem cells (hDPSCs) to insulin-producing cells (IPCs). However, the induction efficiency varied greatly. In this paper, we demonstrate the comparison of hDPSCs pancreatic induction efficiency via integrative (microenvironmental and genetic manipulation) and non-integrative (microenvironmental manipulation) induction protocols for delivering hDPSC-derived IPCs (hDPSC-IPCs). The results suggest distinct induction efficiency for both the induction approaches in terms of 3-dimensional colony structure, yield, pancreatic mRNA markers, and functional property upon multi-dosage glucose challenge. These findings will support the future establishment of a clinically applicable IPCs and pancreatic lineage production platform.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,961

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,371
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetPancreatic function and diabetesTravaux en français237 207