MétaCan
Menu
Retour à la cohorte
Enregistrement W4210642219 · doi:10.1016/j.stemcr.2022.01.003

Leveraging interacting signaling pathways to robustly improve the quality and yield of human pluripotent stem cell-derived hepatoblasts and hepatocytes

2022· article· en· W4210642219 sur OpenAlexafffund
Claudia Raggi, Marie-Agnès M’Callum, Quang Toan Pham, Perrine Gaub, Silvia Selleri, Nissan Baratang, C. Mangahas, Gaël Cagnone, Bruno Reversade, Jean‐Sébastien Joyal, Massimiliano Paganelli

Notice bibliographique

RevueStem Cell Reports · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver physiology and pathology
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBiologyInduced pluripotent stem cellEmbryonic stem cellCell biologyStem cellComputational biologyHuman Induced Pluripotent Stem CellsHepatocyteNeuroscienceIn vitroGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Pluripotent stem cell (PSC)-derived hepatocyte-like cells (HLCs) have shown great potential as an alternative to primary human hepatocytes (PHHs) for in vitro modeling. Several differentiation protocols have been described to direct PSCs toward the hepatic fate. Here, by leveraging recent knowledge of the signaling pathways involved in liver development, we describe a robust, scalable protocol that allowed us to consistently generate high-quality bipotent human hepatoblasts and HLCs from both embryonic stem cells and induced PSC (iPSCs). Although not yet fully mature, such HLCs were more similar to adult PHHs than were cells obtained with previously described protocols, showing good potential as a physiologically representative alternative to PHHs for in vitro modeling. PSC-derived hepatoblasts effectively generated with this protocol could differentiate into mature hepatocytes and cholangiocytes within syngeneic liver organoids, thus opening the way for representative human 3D in vitro modeling of liver development and pathophysiology.

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 enseignants0,010
Score d'incertitude au seuil0,613

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0000,000

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 Opus0,058
Tête enseignante GPT0,278
Écart entre enseignants0,220 · 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

Citations25
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStem Cell ReportsMême sujetLiver physiology and pathologyTravaux en français237 207