Adapting the Scar-in-a-Jar to Skin Fibrosis and Screening Traditional and Contemporary Anti-Fibrotic Therapies
Notice bibliographique
Résumé
Skin fibrosis still constitutes an unmet clinical need. Although pharmacological strategies are at the forefront of scientific and technological research and innovation, their clinical translation is hindered by the poor predictive capacity of the currently available in vitro fibrosis models. Indeed, customarily utilised in vitro scarring models are conducted in a low extracellular matrix milieu, which constitutes an oxymoron for the in-hand pathophysiology. Herein, we coupled macromolecular crowding (enhances and accelerates extracellular matrix deposition) with transforming growth factor β 1 (TGF β 1; induces trans-differentiation of fibroblasts to myofibroblasts) in human dermal fibroblast cultures to develop a skin fibrosis in vitro model and to screen a range of anti-fibrotic families (corticosteroids, inhibitors of histone deacetylases, inhibitors of collagen crosslinking, inhibitors of TGF β 1 and pleiotropic inhibitors of fibrotic activation). Data obtained demonstrated that macromolecular crowding combined with TGF β 1 significantly enhanced collagen deposition and myofibroblast transformation. Among the anti-fibrotic compounds assessed, trichostatin A (inhibitors of histone deacetylases); serelaxin and pirfenidone (pleiotropic inhibitors of fibrotic activation); and soluble TGF β receptor trap (inhibitor of TGF β signalling) resulted in the highest decrease of collagen type I deposition (even higher than triamcinolone acetonide, the gold standard in clinical practice). This study further advocates the potential of macromolecular crowding in the development of in vitro pathophysiology models.
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 ».