3D in vitro M2 macrophage model to mimic modulation of tissue repair
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Distinct anti-inflammatory macrophage (M2) subtypes, namely M2a and M2c, are reported to modulate the tissue repair process tightly and chronologically by modulating fibroblast differentiation state and functions. To establish a well-defined three-dimensional (3D) cell culture model to mimic the tissue repair process, we utilized THP-1 human monocytic cells and a 3D collagen matrix as a biomimetic tissue model. THP-1 cells were differentiated into macrophages, and activated using IL-4/IL-13 (M IL-4/IL-13 ) and IL-10 (M IL-10 ). Both activated macrophages were characterized by both their cell surface marker expression and cytokine secretion profile. Our cell characterization suggested that M IL-4/IL-13 and M IL-10 demonstrate M2a- and M2c-like subtypes, respectively. To mimic the initial and resolution phases during the tissue repair, both activated macrophages were co-cultured with fibroblasts and myofibroblasts. We showed that M IL-4/IL-13 were able to promote matrix synthesis and remodeling by induction of myofibroblast differentiation via transforming growth factor beta-1 (TGF-β1). On the contrary, M IL-10 demonstrated the ability to resolve the tissue repair process by dedifferentiation of myofibroblast via IL-10 secretion. Overall, our study demonstrated the importance and the exact roles of M2a and M2c-like macrophage subtypes in coordinating tissue repair in a biomimetic model. The established model can be applied for high-throughput platforms for improving tissue healing and anti-fibrotic drugs testing, as well as other biomedical studies.
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.
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 | 0,000 |
| 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 découle