Cell networks in the mouse liver during partial hepatectomy
Notice bibliographique
Résumé
Summary In solid tissues homeostasis and regeneration after injury involve a complex interplay between many different cell types. The mammalian liver harbors numerous epithelial and non-epithelial cells and little is known about the global signaling networks that govern their interactions. To better understand the hepatic cell network, we isolated and purified 10 different cell populations from normal and regenerative mouse livers. Their transcriptomes were analyzed by bulk RNA-seq and a computational platform was used to analyze the cell-cell and ligand-receptor interactions among the 10 populations. Over 50,000 potential cell-cell interactions were found in both the ground state and after partial hepatectomy. Importantly, about half of these differed between the two states, indicating massive changes in the cell network during regeneration. Our study provides the first comprehensive database of potential cell-cell interactions in mammalian liver cell homeostasis and regeneration. With the help of this prediction model, we identified and validated two previously unknown signaling interactions involved in accelerating and delaying liver regeneration. Overall, we provide a novel platform for investigating autocrine/paracrine pathways in tissue regeneration, which can be adapted to other complex multicellular systems. Highlights A platform predicting cell-cell interactions in liver regeneration was established This platform identified the BMP4 pathway antagonist Fstl1 as a stimulator of hepatocyte proliferation This platform also discovered the role of Wnt pathway inhibitor Sfrp1 delaying liver regeneration
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 | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».