Mesenchymal Stem Cells‐Derived Extracellular Vesicles Mimetics as Osteoinductive Mediators for Bone Healing
Notice bibliographique
Résumé
Abstract Bone defects remain challenging to treat, with common therapies still relying on invasive approaches. Mesenchymal stem cell‐derived extracellular vesicles (MSC‐EVs) offer a promising alternative due to their regenerative and immunomodulatory properties, but challenges in scalable EV production limit clinical translation. Nanoghosts (NGs) are an emerging class of EV‐mimetics synthesized through the physical distortion of ghost cells that offer innate bioactivity similar to EVs while having more scalable yields. In this study, the osteogenic potential of NGs made from MSC ghosts (MSC‐NGs) is explored for the first time and contrasted with conventional MSC‐EVs. MSC‐NGs are generated through sonication, yielding two‐fold more vesicles compared to MSC‐EVs from the same number of cells. Unlike MSC‐EVs, MSC‐NGs significantly enhanced the osteogenic differentiation of MSCs, evidenced by increased alkaline phosphatase (ALP) activity and early mineralization. Proteomic analysis further revealed that MSC‐NGs are more enriched in osteogenesis‐related proteins than MSC‐EVs. In vivo, treatment of a 0.5 mm mouse femoral osteotomy with MSC‐NGs accelerated fracture healing, showing increased callus mineralization by day 14 and improved bone marrow reconstitution by day 21, along with reduced osteoclastic activity. These findings demonstrate MSC‐NGs as scalable and effective therapeutics for bone tissue engineering, offering advantages over MSC‐EVs in future bone healing strategies.
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 | 0,000 | 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) | 0,000 | 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 ».