MétaCan
Menu
Retour à la cohorte
Enregistrement W4310356612 · doi:10.3389/fimmu.2022.972095

Putative critical quality attribute matrix identifies mesenchymal stromal cells with potent immunomodulatory and angiogenic “fitness” ranges in response to culture process parameters

2022· article· en· W4310356612 sur OpenAlexafffund
Kevin P. Robb, Julie Audet, Rajiv Gandhi, Sowmya Viswanathan

Notice bibliographique

RevueFrontiers in Immunology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueMesenchymal stem cell research
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchOntario Institute for Regenerative MedicineArthritis Society
Mots-clésMesenchymal stem cellCritical quality attributesStromal cellAngiogenesisIn vitroBiologyComputational biologyImmunologyCell biologyCancer researchGenetics

Résumé

récupéré en direct d'OpenAlex

Adipose-derived mesenchymal stromal cells (MSC(AT)) display immunomodulatory and angiogenic properties, but an improved understanding of quantitative critical quality attributes (CQAs) that inform basal MSC(AT) fitness ranges for immunomodulatory and/or angiogenic applications is urgently needed for effective clinical translation. We constructed an in vitro matrix of multivariate readouts to identify putative CQAs that were sensitive enough to discriminate between specific critical processing parameters (CPPs) chosen for their ability to enhance MSC immunomodulatory and angiogenic potencies, with consideration for donor heterogeneity. We compared 3D aggregate culture conditions (3D normoxic, 3D-N) and 2D hypoxic (2D-H) culture as non-genetic CPP conditions that augment immunomodulatory and angiogenic fitness of MSC(AT). We measured multivariate panels of curated genes, soluble factors, and morphometric features for MSC(AT) cultured under varying CPP and licensing conditions, and we benchmarked these against two functional and therapeutically relevant anchor assays – in vitro monocyte/macrophage (MΦ) polarization and in vitro angiogenesis. Our results showed that varying CPP conditions was the primary driver of MSC(AT) immunomodulatory fitness; 3D-N conditions induced greater MSC(AT)-mediated MΦ polarization toward inflammation-resolving subtypes. In contrast, donor heterogeneity was the primary driver of MSC(AT) angiogenic fitness. Our analysis further revealed panels of putative CQAs with minimum and maximum values that consisted of twenty MSC(AT) characteristics that informed immunomodulatory fitness ranges, and ten MSC(AT) characteristics that informed angiogenic fitness ranges. Interestingly, many of the putative CQAs consisted of angiogenic genes or soluble factors that were inversely correlated with immunomodulatory functions ( THBS1, CCN2, EDN1, PDGFA , VEGFA , EDIL3 , ANGPT1 , and ANG genes), and positively correlated to angiogenic functions (VEGF protein), respectively. We applied desirability analysis to empirically rank the putative CQAs for MSC(AT) under varying CPP conditions and donors to numerically identify the desirable CPP conditions or donors with maximal MSC(AT) immunomodulatory and/or angiogenic fitness. Taken together, our approach enabled combinatorial analysis of the matrix of multivariate readouts to provide putative quantitative CQAs that were sensitive to variations in select CPPs that enhance MSC immunomodulatory/angiogenic potency, and donor heterogeneity. These putative CQAs may be used to prospectively screen potent MSC(AT) donors or cell culture conditions to optimize for desired basal MSC(AT) immunomodulatory or angiogenic fitness.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,429
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,021
Tête enseignante GPT0,338
Écart entre enseignants0,317 · 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.

Devis d'étudeObservationnel
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

Citations26
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetMesenchymal stem cell researchTravaux en français237 207