A resource for generating and manipulating human microglial states in vitro
Notice bibliographique
Résumé
Abstract Microglia have emerged as key players in the pathogenesis of neurodegenerative conditions such as Alzheimer’s disease (AD). In response to CNS stimuli, these cells adopt distinct transcriptional and functional subtypes known as states. However, an understanding of the function of these states has been elusive, especially in human microglia, due to lack of tools to model and manipulate this cell-type. Here, we provide a platform for modeling human microglia transcriptional states in vitro . Using single-cell RNA sequencing, we found that exposure of human stem-cell differentiated microglia (iMGLs) to brain-related challenges generated extensive transcriptional diversity which mapped to gene signatures identified in human brain microglia. We identified two in vitro transcriptional clusters that were analogous to human and mouse disease-associated microglia (DAMs), a state enriched in neurodegenerative disease contexts. To facilitate scalable functional analyses, we established a lentiviral approach enabling broad and highly efficient genetic transduction of microglia in vitro . Using this new technology, we demonstrated that MITF (Melanocyte Inducing Transcription Factor), an AD-enriched transcription factor in microglia, drives both a disease-associated transcriptional signature and a highly phagocytic state. Finally, we confirmed these results across iMGLs differentiated from multiple iPSC lines demonstrating the broad utility of this platform. Together, these tools provide a comprehensive resource that enables the manipulation and functional interrogation of human microglial states in both homeostatic and disease-relevant contexts.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,003 |
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 ».