MétaCan
Menu
Retour à la cohorte
Enregistrement W4377861065 · doi:10.1186/s42234-023-00112-7

3D bioprinting patient-derived induced pluripotent stem cell models of Alzheimer’s disease using a smart bioink

2023· article· en· W4377861065 sur OpenAlexafffund
Claire Benwood, Jonathan Walters-Shumka, Kali Scheck, Stephanie M. Willerth

Notice bibliographique

RevueBioelectronic Medicine · 2023
Typearticle
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversity of British ColumbiaUniversity of Victoria
Organismes subventionnairesInstitute of Neurosciences, Mental Health and AddictionNatural Sciences and Engineering Research Council of CanadaUniversity of British ColumbiaCanada Research ChairsMichael Smith Health Research BCAlzheimer's Association
Mots-clésInduced pluripotent stem cellCholinergic neuronNeural stem cellNeuroscienceStem cellCell biologyAmyloid betaPopulationBiologyCholinergicPathologyMedicineDiseaseBiochemistryEmbryonic stem cell

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Alzheimer's disease (AD), a progressive neurodegenerative disorder, is becoming increasingly prevalent as our population ages. It is characterized by the buildup of amyloid beta plaques and neurofibrillary tangles containing hyperphosphorylated-tau. The current treatments for AD do not prevent the long-term progression of the disease and pre-clinical models often do not accurately represent its complexity. Bioprinting combines cells and biomaterials to create 3D structures that replicate the native tissue environment and can be used as a tool in disease modeling or drug screening. METHODS: This work differentiated both healthy and diseased patient-derived human induced pluripotent stems cells (hiPSCs) into neural progenitor cells (NPCs) that were bioprinted using the Aspect RX1 microfluidic printer into dome-shaped constructs. The combination of cells, bioink, and puromorphamine (puro)-releasing microspheres were used to mimic the in vivo environment and direct the differentiation of the NPCs into basal forebrain-resembling cholinergic neurons (BFCN). These tissue models were then characterized for cell viability, immunocytochemistry, and electrophysiology to evaluate their functionality and physiology for use as disease-specific neural models. RESULTS: Tissue models were successfully bioprinted and the cells were viable for analysis after 30- and 45-day cultures. The neuronal and cholinergic markers β-tubulin III (Tuj1), forkhead box G1 (FOXG1), and choline acetyltransferase (ChAT) were identified as well as the AD markers amyloid beta and tau. Further, immature electrical activity was observed when the cells were excited with potassium chloride and acetylcholine. CONCLUSIONS: This work shows the successful development of bioprinted tissue models incorporating patient derived hiPSCs. Such models can potentially be used as a tool to screen promising drug candidates for treating AD. Further, this model could be used to increase the understanding of AD progression. The use of patient derived cells also shows the potential of this model for use in personalized medicine applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,072
Tête enseignante GPT0,288
Écart entre enseignants0,216 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations21
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioelectronic MedicineMême sujet3D Printing in Biomedical ResearchTravaux en français237 207