MétaCan
Menu
← Retour à la cohorte
Enregistrement W4253307680 · doi:10.21203/rs.3.rs-23915/v2

Selection for CD26- and CD49A+ cells from pluripotent stem cells-derived islet-like clusters improves therapeutic activity in diabetic mice

2021· preprint· en· W4253307680 sur OpenAlexaff
Kfir Molakandov, Denise A. Berti, Avital Beck, Ofer Elhanani, Michael Walker, Yoav Soen, Karina Yavriyants, Michal Zimerman, Ella Volman, Itzik Toledo, Anna Eruhimovich, Alon M. Levy, Arik Hasson, Joseph Itskovitz‐Eldor, Judith Chebath, Michel Revel

Notice bibliographique

RevueResearch Square · 2021
Typepreprint
Langueen
DomaineMedicine
ThématiquePancreatic function and diabetes
Établissements canadiensKootenay Association for Science & Technology
Organismes subventionnairesnon disponible
Mots-clésIsletSelection (genetic algorithm)Induced pluripotent stem cellStem cellBiologyCell biologyDiabetes mellitusEndocrinologyGeneticsComputer scienceEmbryonic stem cellGene

Résumé

récupéré en direct d'OpenAlex

Abstract Background. Cell therapy of diabetes aims at restoring the physiological control of blood glucose by transplantation of functional pancreatic islet cells. A potentially unlimited source of cells for such transplantations would be islet cells derived from an in vitro differentiation of human pluripotent stem cells (hESC/hiPSC). The islet-like clusters (ILC) produced by the known differentiation protocols contain various cell populations. Among these, the β-cells that express both insulin and the transcription factor Nkx6.1 seem to be the most efficient to restore normoglycemia in diabetes animal models. Our aim was to find markers allowing selection of these efficient cells. Methods. Functional Cell-Capture Screening (FCCS) was used to identify markers that preferentially capture the cells expressing both insulin and Nkx6.1, from hESC-derived ILC cells. In order to test whether selection for such markers could improve cell therapy in diabetic mouse models, we used ILC produced from a clinical-grade line of hESC by a refined differentiation protocol adapted to up-scalable bioreactors. Re-aggregated MACS sorted cells were encapsulated in microspheres made of alginate modified to reduce foreign body reaction. Implantation was done intraperitoneally in STZ-treated C57BL/6 immuno-competent mice. Results. CD49A (integrin alpha1) was identified by FCCS as a marker for cells that express insulin (or C-peptide) as well as Nkx6.1 in ILC derived by hESC differentiation. The ILC fraction enriched in CD49A+ cells rapidly reduced glycemia when implanted in diabetic mice, whereas mice receiving the CD49A depleted population remained highly diabetic. CD49A-enriched ILC cells also produced higher levels of human C-peptide in the blood of transplanted mice. However, the difference between CD49A-enriched and total ILC cells remained small. Another marker, CD26 (DPP4), was identified by FCCS as binding insulin-expressing cells which are Nkx6.1 negative. Depletion of CD26+ cells followed by enrichment for CD49A+ cells increased insulin+/Nkx6.1+ cells fraction to ~70%. The CD26-/CD49A+ enriched ILC exhibited improved function over non-sorted ILC or CD49A+ cells in diabetic mice and maintain prolonged blood C-peptide levels.Conclusions. Refining the composition of ILC differentiated from hPSC by negative selection to remove cells expressing CD26 and positive selection for CD49A expressing cells could enable more effective cell therapy of diabetes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0030,001

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,330
Écart entre enseignants0,282 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square→Même sujetPancreatic function and diabetes→Travaux en français237 207→