Comparison of human skin‐ and nerve‐derived Schwann cells reveals many similarities and subtle genomic and functional differences
Notice bibliographique
Résumé
Skin is an easily accessible tissue and a rich source of Schwann cells (SCs). Toward potential clinical application of autologous SC therapies, we aim to improve the reliability and specificity of our protocol to obtain SCs from small skin samples. As well, to explore potential functional distinctions between skin-derived SCs (Sk-SCs) and nerve-derived SCs (N-SCs), we used single-cell RNA-sequencing and a series of in vitro and in vivo assays. Our results showed that Sk-SCs expressed typical SC markers. Single-cell sequencing of Sk- and N-SCs revealed an overwhelming overlap in gene expression with the exception of HLA genes which were preferentially up-regulated in Sk-SCs. In vitro, both cell types exhibited similar levels of proliferation, migration, uptake of myelin debris and readily associated with neurites when co-cultured with human iPSC-induced motor neurons. Both exhibited ensheathment of multiple neurites and early phase of myelination, especially in N-SCs. Interestingly, dorsal root ganglion (DRG) neurite outgrowth assay showed substantially more complexed neurite outgrowth in DRGs exposed to Sk-SC conditioned media compared to those from N-SCs. Multiplex ELISA array revealed shared growth factor profiles, but Sk-SCs expressed a higher level of VEGF. Transplantation of Sk- and N-SCs into injured peripheral nerve in nude rats and NOD-SCID mice showed close association of both SCs to regenerating axons. Myelination of rodent axons was observed infrequently by N-SCs, but absent in Sk-SC xenografts. Overall, our results showed that Sk-SCs share near-identical properties to N-SCs but with subtle differences that could potentially enhance their therapeutic utility.
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 | 0,001 | 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 ».