Transcriptomic Analysis of Mineralized Adipose-Derived Stem Cell Tissues for Calcific Valve Disease Modelling
Notice bibliographique
Résumé
Calcific aortic valve disease (CAVD) is characterized by the fibrosis and mineralization of the aortic valve, which leads to aortic stenosis and heart failure. At the cellular level, this is due to the osteoblastic-like differentiation of valve interstitial cells (VICs), resulting in the calcification of the tissue. Unfortunately, human VICs are not readily available to study CAVD pathogenesis and the implicated mechanisms in vitro; however, adipose-derived stromal/stem cells (ASCs), carrying the patient’s specific genomic features, have emerged as a promising cell source to model cardiovascular diseases due to their multipotent nature, availability, and patient-specific characteristics. In this study, we describe a comprehensive transcriptomic analysis of tissue-engineered, scaffold-free, ASC-embedded mineralized tissue sheets using bulk RNA sequencing. Bioinformatic and gene set enrichment analyses revealed the up-regulation of genes associated with the organization of the extracellular matrix (ECM), suggesting that the ECM could play a vital role in the enhanced mineralization observed in these tissue-engineered ASC-embedded sheets. Upon comparison with publicly available gene expression datasets from CAVD patients, striking similarities emerged regarding cardiovascular diseases and ECM functions, suggesting a potential link between ECM gene expression and CAVDs pathogenesis. A matrisome-related sub-analysis revealed the ECM microenvironment promotes the transcriptional activation of the master gene runt-related transcription factor 2 (RUNX2), which is essential in CAVD development. Tissue-engineered ASC-embedded sheets with enhanced mineralization could be a valuable tool for research and a promising avenue for the identification of more effective aortic valve replacement therapies.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».