Comparing the Characteristics of Microglia Preparations Generated Using Different Human iPSC-Based Differentiation Methods to Model Neurodegenerative Diseases
Notice bibliographique
Résumé
As the resident immune cells of the healthy nervous system, homeostatic microglia can rapidly become activated in response to injury/disease. Dysregulated microglia activation is a hallmark of nervous system disorders including neurodegenerative diseases such as amyotrophic lateral sclerosis (ALS) and Alzheimer's disease. The elucidation of the biological and pathological roles of microglia has recently benefitted from the development of microglia-like cells using human induced pluripotent stem cell (iPSC)-based approaches. The success of iPSC-derived microglia preparations as a disease-relevant model system depends on their representation of the in vivo spatial and temporal heterogeneity of microglia under pathological conditions. Little is currently known about the potential of human iPSC-derived microglia generated using different methods for the study of neurodegenerative diseases. We compared the transcriptomes of human iPSC-derived microglia generated using two frequently used in vitro differentiation methods to determine whether separate strategies can generate microglia with distinct transcriptional signatures in vitro. We show that microglia derived using different differentiation methods display distinct maturation characteristics after equivalent times in culture. We also reveal that iPSC-derived microglia preparations generated using these two methods are composed of different subpopulations with transcriptomic signatures resembling those of in vivo regionally distinct microglia subtypes, specifically white-matter and gray-matter microglia. These findings highlight the need to better characterize the subtype composition of each microglia preparation prior to its use to model neurodegenerative diseases.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».