Single-cell analysis of mesenchymal cells in permeable neural vasculature reveals novel diverse subpopulations of fibroblasts
Notice bibliographique
Résumé
Abstract Background In the choroid plexus and pituitary gland, vasculature is known to have a permeable, fenestrated phenotype which allows for the free passage of molecules in contrast to the blood brain barrier observed in the rest of the CNS. The endothelium of these compartments, along with secretory, neural-lineage cells (choroid epithelium and pituitary endocrine cells) have been studied in detail, but less attention has been given to the perivascular mesenchymal cells of these compartments. Methods The Hic1 CreERT2 Rosa26 LSL−TdTomato mouse model was used in conjunction with a Pdgfra H2B−EGFP mouse model to examine mesenchymal cells, which can be subdivided into Pdgfra + fibroblasts and Pdgfra − pericytes within the choroid plexus (CP) and pituitary gland (PG), by histological, immunofluorescence staining and single-cell RNA-sequencing analyses. Results We found that both CP and PG possess substantial populations of distinct Hic1 + mesenchymal cells, including an abundance of Pdgfra + fibroblasts. Within the pituitary, we identified distinct subpopulations of Hic1 + fibroblasts in the glandular anterior pituitary and the neurosecretory posterior pituitary. We also identified multiple distinct markers of CP, PG, and the meningeal mesenchymal compartment, including alkaline phosphatase, indole-n-methyltransferase and CD34. Conclusions Novel, distinct subpopulations of mesenchymal cells can be found in permeable vascular interfaces, including the CP, PG, and meninges, and make distinct contributions to both organs through the production of structural proteins, enzymes, transporters, and trophic molecules.
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 | 0,000 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».