Development of Reliable and High‐Throughput Human Biomimetic Cartilage and Bone Models to Explore Senescence and Personalized Osteoarthritis Treatment Options
Notice bibliographique
Résumé
To facilitate effective preclinical testing of senescence treatments for osteoarthritis (OA), we have created reliable biomimetic and high-throughput models using aged human joint tissues. Moreover, concerns regarding scalability led to the concurrent development of a high-throughput human in vitro senescence cartilage organoid model. Osteochondral explants and cells for the cartilage organoid model were isolated from patients undergoing joint replacement surgery due to OA. To induce senescence, explants and organoids were subjected to radiation and/or mechanical loading. Samples were harvested; gene expression of relevant senescent and cartilage genes was measured using RT-qPCR, and protein expression was evaluated using histology. A general senescence phenotype was induced by the perturbations, as shown by senescence-associated β-galactosidase staining. In-depth gene expression analysis revealed that hyperphysiological mechanical loading upregulated gene expression of IL8 and SERPINE1, representing aspects of a senescence-associated secretory phenotype (SASP) profile. Irradiation upregulated CDKN1A, encoding p21, and downregulated LMNB1, representing a cell cycle arrest profile with the absence of a SASP response. Combining the two perturbations showed upregulation of CDKN1A, IL8, and SERPINE and downregulation of LMNB1, representing a complementary senescence model. The high-throughput human in vitro cartilage organoid senescence model showed similar effects to the irradiation explant model. In this study, we present a variety of senescence models of human aged chondrocytes that allows for rapid initial screening of anti-senescence compounds in high-throughput, as well as in-depth, characterization of post-mitotic aged chondrocytes prone to OA pathophysiology. This research advances the development of essential therapeutics for OA.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».