MétaCan
Menu
Retour à la cohorte
Enregistrement W4399435643 · doi:10.1186/s44330-024-00005-4

Mini-MEndR: a miniaturized 96-well predictive assay to evaluate muscle stem cell-mediated repair

2024· article· en· W4399435643 sur OpenAlexafffund
Nitya Gulati, Sadegh Davoudi, Bin Xu, Saifedine T. Rjaibi, Erik Jacques, Justin Pham, Amir Fard, Alison P. McGuigan, Penney M. Gilbert

Notice bibliographique

RevueBMC Methods · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of TorontoCanada First Research Excellence FundCanada Research ChairsOntario Institute for Regenerative MedicineConnaught FundStem Cell Network
Mots-clésSkeletal muscleStem cellIn vivoTissue engineeringCell biologyBiomedical engineeringMyosinEndogenyCellHigh-content screeningRegeneration (biology)ChemistryBiologyBiochemistryAnatomyMedicineBiotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Functional evaluation of molecules that are predicted to promote stem cell mediated endogenous repair often requires in vivo transplant studies that are low throughput and hinder the rate of discovery. To offer greater throughput for functional validation studies, we miniaturized, simplified and expanded the functionality of a previously developed muscle endogenous repair (MEndR) in vitro assay that was shown to capture significant events of in vivo muscle endogenous repair. Methods The mini-MEndR assay consists of miniaturized cellulose scaffolds designed to fit in 96-well plates, the pores of which are infiltrated with human myoblasts encapsulated in a fibrin-based hydrogel to form engineered skeletal muscle tissues. Pre-adsorbing thrombin to the cellulose scaffolds facilitates in situ tissue polymerization, a critical modification that enables new users to rapidly acquire assay expertise. Following the generation of the 3D myotube template, muscle stem cells (MuSCs), enriched from digested mouse skeletal muscle tissue using an improved magnetic-activated cell sorting protocol, are engrafted within the engineered template. Murine MuSCs are fluorescently labeled, enabling co-evaluation of human and mouse Pax7+ cell responses to drug treatments. A regenerative milieu is introduced by injuring the muscle tissue with a myotoxin to initiate endogenous repair “in a dish”. Phenotypic data is collected at endpoints with a high-content imaging system and is analyzed using ImageJ-based image analysis pipelines. Results The miniaturized format and modified manufacturing protocol cuts reagent costs in half and hands-on seeding time ~ threefold, while the image analysis pipelines save 40 h of labour. By evaluating multiple commercially available human primary myoblast lines in 2D and 3D culture, we establish quality assurance metrics for cell line selection that standardizes myotube template quality. In vivo outcomes (enhanced muscle production and Pax7+ cell expansion) to a known modulator of MuSC mediated repair (p38/β MAPK inhibition) are recapitulated in the miniaturized culture assay, but only in the presence of stem cells and the regenerative milieu. Discussion The miniaturized predictive assay offers a simple, scaled platform to co-investigate human and mouse skeletal muscle endogenous repair molecular modulators, and thus is a promising strategy to accelerate the muscle endogenous repair discovery pipeline.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,006

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,349
Écart entre enseignants0,322 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC MethodsMême sujetMuscle Physiology and DisordersTravaux en français237 207