Différenciation et culture tridimensionnelle de neurones sensoriels humains et de cellules de Schwann dans un modèle de peau reconstruit par génie tissulaire
Notice bibliographique
Résumé
Les micro-organismes pathogènes, des substances chimiques et des maladies auto-immunes peuvent stimuler l’activation de neurones sensoriels dans la peau. Il n’existe pas de modèle in vitro permettant d’étudier ces réactions de manière fiable. Notamment, les modèles existants n’ont généralement pas de barrière épidermique, qui est nécessaire aux expériences portant sur l’application topique de substances. Ceci représente un défaut important qui limite les évaluations pré-cliniques de médicaments, d’adjuvants vaccinaux ou de substances chimiques potentiellement irritantes. Pour pallier ce manque, nous avons développé un modèle de peau humaine reconstruite par génie tissulaire comprenant une innervation générée à partir de ganglions de la racine dorsale provenant d’embryons de souris. Ici, nous décrivons un nouveau protocole permettant la différenciation de neurones et de cellules de Schwann à partir de cellules souches induites pluripotentes humaines, et leur incorporation dans un modèle 3D de peau. La structure des co-cultures créées ainsi et les marqueurs permettant de caractériser les différents types cellulaires ont été évalués en détail. Ce nouveau système est actuellement utilisé dans nos études des interactions neuro-immunitaires dans la peau et dans la prédiction de leur rôle dans la toxicité cutanée, l’angiogenèse et l’inflammation.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».