A prioritized medium-throughput screen on human stem cell derived insulin secreting beta cells identifies FGF4, FGF5, FGF8F, FGF19 and FGF21 as protective factors
Notice bibliographique
Résumé
Abstract Insulin is produced by pancreatic β cells, whose dysfunction and death are hallmarks of diabetes. Stem cell-derived β-like cells (SCβ cells) are a potential alternative to cadaveric islets for replacement therapy. However, SCβ cells face a multitude of stresses, including hypoxia, hyperglycemia, ER stress, inflammation, and autoimmunity that must be overcome for this treatment to cure diabetes. Pancreatic β cells and SCβ cells reside in complex microtissues (islets or spheroids) and can therefore be potentially modulated by hundreds of autocrine and paracrine signals. Here, we leveraged scRNAseq, bulk RNAseq, and bulk proteomics data from late stage SCβ cells and human islets to map potential ligand-receptor pairs in these tissues and generate a prioritized list of ligands for high-content SCβ cell survival screening. We tracked cell number with Hoechst 33342, cell death using propidium iodide incorporation, and INS activity from INS -EGFP knock-in reporter human embryonic stem cells over several days using high throughput imaging. Members of the fibroblast growth factor (FGF) family significantly prevented cytokine induced cell death, with the top validated hits being FGF4, FGF5, FGF19, FGF21, and FGF8F. These results have the potential to improve SCβ cell survival with pathways that are readily targetable and translatable to the clinic.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».