MétaCan
Menu
Retour à la cohorte
Enregistrement W4406746033 · doi:10.1186/s12896-025-00945-x

Optimization of chemical transfection in airway epithelial cell lines

2025· article· en· W4406746033 sur OpenAlex
Tony J. F. Guo, Wan Yi Liang, Gurpreet K. Singhera, Jasmine Memar Vaghri, Janice M. Leung, Del Dorscheid

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBMC Biotechnology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesInstitute of Circulatory and Respiratory HealthCanadian Institutes of Health ResearchMichael Smith Health Research BCCanadian Allergy, Asthma and Immunology Foundation
Mots-clésTransfectionViability assayLipofectamineBiologyMolecular biologyCell cultureRespiratory epitheliumEpitheliumGeneRecombinant DNABiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Chemical transfection is a widely employed technique in airway epithelium research, enabling the study of gene expression changes and effects. Additionally, it has been explored for its potential application in delivering gene therapies. Here, we characterize the transfection efficiency of EX-EGFP-Lv105, an EGFP-expressing plasmid into three cell lines commonly used to model the airway epithelium (1HAEo-, 16HBE14o-, and NCI-H292). RESULTS: We used six common and/or commercially available reagents with varying chemical compositions: Lipofectamine 3000 (L3000), FuGENE HD, ViaFect, jetOPTIMUS, EndoFectin, and calcium phosphate. Using L3000, 1HAEo- exhibited the highest transfection efficiency compared to 16HBE14o- and NCI-H292 (1HAEo-: 76.1 ± 3.2%, 16HBE14o-: 35.5 ± 1.2%, NCI-H292: 28.9 ± 2.23%). L3000 yielded the greatest transfection efficiency with the lowest impact on cellular viability, normalized to control, with a 11.3 ± 0.16% reduction in 1HAEo-, 16.3 ± 0.08% reduction in 16HBE14o-, and 17.5 ± 0.09% reduction in NCI-H292 at 48-hour post-transfection. However, jetOPTIMUS had a similar transfection efficiency in 1HAEo- (90.7 ± 4.2%, p = 0.94), but had significantly reduced cellular viability of 37.4 ± 0.11% (p < 0.0001) compared to L3000. In 16HBE14o-, jetOPTIMUS yielded a significantly higher transfection efficiency compared to L3000 (64.6 ± 3.2%, p < 0.0001) but significantly reduced viability of 33.4 ± 0.09% (p < 0.0001) compared to L3000. In NCI-H292, jetOPTIMUS yielded a lower transfection efficiency (22.6 ± 1.2%) with a significant reduction in viability (28.3 ± 0.9%, p < 0.0001). Other reagents varied significantly in their efficiency and impact on cellular viability in other cell lines. Changing the transfection mixture-containing medium at 6-hour post-transfection did not improve transfection efficiency or viability. However, pre-treatment of cell cultures with two rinses of 0.25% trypsin-EDTA improved transfection efficiency in 1HAEo- (85.2 ± 1.1% vs. 71.3 ± 1.0%, p = 0.004) and 16HBE14o- (62.6 ± 4.3 vs. 35.5 ± 1.2, p = 0.003). CONCLUSIONS: Transfection efficiencies can differ based on airway epithelial cell line, reagents, and optimization techniques used. Consideration and optimization of cell line and transfection conditions may be useful for improving nonviral genetic techniques in vitro.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,116
Score d'incertitude au seuil0,366

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,228
Écart entre enseignants0,222 · 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