FAST-STEM: A human pluripotent stem cell engineering toolkit for rapid design-build-test-learn development of human cell-based therapeutic devices
Notice bibliographique
Résumé
Very recent clinical advances in stem cell derived tissue replacement and gene therapy, in addition to the rise of artificial intelligence aided scientific discovery, have placed the possibility of sophisticated human cell based therapies firmly within reach. However, development of such cells and testing of their engineered gene circuit components, has proven highly challenging, due to the need for generating stable cell lines for each design, build, test, learn engineering cycle. Current approaches to generating stable human induced pluripotent stem cell (hiPSC) lines are highly time consuming and suffer from lack of control, poor integration efficiency, and limited functionality. Validation in clinically relevant stem cell derived tissues is also broadly lacking. Such drawbacks are prohibitive to repeatably conducting cutting edge stem cell engineering with broad application within a realistic timeframe, and will not scale with the future of regenerative medicine. We have developed FASTSTEM (Facile Accelerated Stem cell Transgene integration with SynBio Tunable Engineering Modes), a hiPSC engineering platform that drastically reduces the time to generate differentiation ready stem cell lines from several weeks to 5 days, exhibiting a ~612-fold improvement in transgene integration rate over previous methodologies. Additional FAST-STEM innovations include: (i) rapid and highly efficient transgene integration; (ii) copy number control; (iii) simultaneous or consecutive integration of multiple gene cassettes; (iv) library screen capability. In addition to this unique functional versatility, platform transportability and broad use case for stem cell engineering was confirmed by differentiation into eight different cell types across nine different laboratories. This platform dramatically lowers the bar for integration of synthetic biology with regenerative medicine, enabling experiments which were previously deemed logistically impossible, thus paving the way for sophisticated human cell device development.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».