Controlling differentiation of stem cells <i>via</i> bioactive disordered cues
Notice bibliographique
Résumé
, the cellular microenvironment has a crucial impact on regulating cell behavior and functions. A PET surface was activated and then functionalized with mimetic peptides to promote human mesenchymal stem cell (hMSC) adhesion and differentiation into an osteogenic lineage. Spray technology was used to randomly micropattern peptides (RGD and BMP-2 mimetic peptides) on the PET surface. The distribution of the peptides grafted on the surface, the roughness of the surfaces and the chemistry of the surfaces in each step of the treatment were ascertained by atomic force microscopy, fluorescence microscopy, time-of-flight secondary ion mass spectrometry, Toluidine Blue O assay, and X-ray photoelectron spectroscopy. Subsequently, cell lineage differentiation was evaluated by quantifying the expression of immunofluorescence markers: osteoblast markers (Runx-2, OPN) and osteocyte markers (E11, DMP1, and SOST). In this article, we hypothesized that a unique combination of bioactive micro/nanopatterns on a polymer surface improves the rate of morphology change and enhances hMSC differentiation. In DMEM, after 14 days, disordered micropatterned surfaces with RGD and BMP-2 led to a higher osteoblast marker expression than surfaces with a homogeneous dual peptide conjugation. Finally, hMSCs cultured in osteogenic differentiation medium (ODM) showed accelerated cell differentiation. In ODM, our results highlighted the expression of osteocyte markers when hMSCs were seeded on PET surfaces with random micropatterns.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».