Optimizing Stem Cell Expansion: The Role of Substrate Stiffness in Enhancing Dental Pulp Stem Cell Quiescence and Regeneration
Notice bibliographique
Résumé
INTRODUCTION: Quiescent stem cells exhibit unique self-renewal and engraftment abilities vital for regenerative therapies, but these diminish during ex vivo culture. This study investigates how substrate stiffness regulates the balance between dental pulp stem cell (DPSC) quiescence, activation, and senescence and explores the role of extracellular matrix stiffness in modulating DPSC fate via the nuclear factor kappa-light-chain-enhancer of activated B cells (NF-κB) pathway. METHODS: Polydimethylsiloxane substrates with varying stiffness in 2D (2 kPa, 50 kPa) and 3D (50 kPa) were fabricated. Mechanical properties and porosity were characterized. Human DPSCs were cultured for 7 and 14 days. Senescence was assessed by senescence β-galactosidase activity, nuclear changes by immunofluorescence staining, and gene expression of quiescence, self-renewal, and senescence markers by reverse transcription quantitative polymerase chain reaction. NF-κB activation was analyzed through p65 nuclear translocation. Statistical analysis employed one-way analysis of variance with post-Tukey tests (P < .05). RESULTS: The porous (310 ± 63 μm) 3D substrate had 50 kPa stiffness. DPSCs on 50 kPa substrates exhibited increased nuclear size and senescence in both 2D and 3D contexts. Softer 2 kPa substrates promoted quiescence, evidenced by reduced chromatin condensation and senescence, alongside upregulation of quiescence associated genes (BMI-1) and pluripotency markers (NANOG, OCT4, SOX2). NF-κB activation was observed on soft substrates, marked by nuclear translocation of p65 and upregulated NF-κB pathway genes, correlating with enhanced stemness and reduced senescence. CONCLUSIONS: This study highlights the pivotal role of substrate stiffness in modulating stem cell fate. Softer substrates preserve DPSC quiescence, reduce senescence, and enhance stemness through NF-κB pathway activation, offering insights into optimizing ex vivo DPSC expansion for therapeutic applications.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».