Differential microvascular endothelial cell responses in the retina in diabetes compared to the heart and kidneys, a spatial transcriptomic analysis
Notice bibliographique
Résumé
Endothelial cells and high glucose-induced endothelial dysfunction are the common origin of chronic diabetic complications such as retinopathy, nephropathy, and cardiomyopathy. Yet their common origins, the vascular manifestations of such complications are different. We examined the basal heterogeneity between microvascular endothelial cells(MECs) from the retina, kidneys, and heart, as well as their differential responses to hyperglycemia in diabetes. To this extent, we used a spatial transcriptomic approach to investigate gene expression differences across retinal, renal, and cardiac MECs in diabetic and non-diabetic mouse models. We validated MEC heterogeneity in vitro using human retinal and cardiac MECs. The spatial transcriptomic approach was also used to explore potential similarities in retinal MECs and neuronal cells in response to hyperglycemia. We found that MECs from different target organs of major diabetic complications were transcriptomically distinct at the basal state and respond differently to hyperglycemia. These findings were recapitulated in cell culture, with selected analytes. We found minimal similarities between retinal MECs and neuronal cells. Our findings show considerable heterogeneity across retinal, renal, and cardiac MECs, both at the basal state and in their responses to hyperglycemia in diabetes. These findings show that organ specific MEC heterogeneity can influence differential development of pathological changes across various target organs of chronic diabetic complications, and suggest that MEC heterogeneity may influence treatment target(s) and drug 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 | 0,000 | 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 ».