o-Vanillin Modulates Cell Phenotype and Extracellular Vesicles of Human Mesenchymal Stem Cells and Intervertebral Disc Cells
Notice bibliographique
Résumé
Human mesenchymal stem cell (hMSC) and extracellular vesicle (EV) therapy is a promising treatment for discogenic low back pain (LBP). Although promising, major obstacles remain to be overcome. Cellular senescence reduces self-renewal and multipotent potentials, and the senescence-associated secretory phenotype creates an inflammatory environment negatively affecting tissue homeostasis. Reducing senescence could therefore improve regenerative approaches. Ortho-Vanillin (o-Vanillin) has senolytic activity and anti-inflammatory properties and could be a valuable supplement to MSC and EV therapy. Here, we used direct co-culture experiments to evaluate proteoglycan synthesis, inflammatory mediators, and senescent cells in the presence or absence of o-Vanillin. EV release and transfer between hMSCs and intervertebral disc cells (DCs) was examined, and the effect on hMSC differentiation and DC phenotype was evaluated in the presence and absence of o-Vanillin. This study demonstrates that o-Vanillin affects cell communication, enhances hMSC differentiation and improves DC phenotype. Co-cultures of DCs and hMSCs resulted in increased proteoglycan synthesis, a decreased number of senescent cells and decreased release of the cytokines IL6 and 8. Effects that were further enhanced by o-Vanillin. o-Vanillin profoundly increased EV release and/or uptake by hMSCs and DCs. DC markers were significantly upregulated in both cell types in response to conditioned media of o-Vanillin treated donor cells. Collectively, this study demonstrates that o-Vanillin affects hMSC and DC crosstalk and suggests that combining hMSCs and senolytic compounds may improve the outcome of cell supplementation and EV therapy for LBP.
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) | 0,001 | 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) | 0,001 | 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 ».