56. Foretinib Enhances Myelination of Neurons in Vitro
Notice bibliographique
Résumé
BACKGROUND: Nerve injuries cause significant functional impairment. Despite advanced diagnostic methods and microsurgical procedures, recovery after peripheral nerve repair is often disappointing. Therefore, new therapeutics are needed to promote recovery after nerve injury. Schwann cells play a crucial role in nerve repair and regeneration, including remyelination post-injury. Our group previously discovered that Foretinib, a pan-kinase inhibitor, is neuroprotective (Feinberg et al., 2017). In the present study, we ask whether foretinib affects myelination in vitro. METHODS: To test the effect of foretinib on myelination in vitro, we extracted dorsal root ganglia from E14 rats and co-cultured them with Schwann cells. After three days, we induced myelination with ascorbic acid or ascorbic acid plus foretinib. After ten days in culture, we performed immunohistochemistry using the myelination marker myelin basic protein (MBP) to assess the extent of myelination. RESULTS: Co-cultures with neuronal cells and Schwann cells ten days after inducing myelination demonstrated a significant increase (more than six-fold) in myelination with foretinib in vitro CONCLUSION: Foretinib increases myelination in vitro, possibly by virtue of the mechanism of mitochondrial preservation as noted in our previous studies, or perhaps by a new, as yet unidentified molecular pathway. Given these intriguing findings, our group is interested in conducting studies of this agent in vivo as a potential agent for future clinical application.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».