Pancreatic islet organoids and organoids on-chip for type 1 diabetes
Notice bibliographique
Résumé
Type 1 Diabetes (T1D) is a highly complex and prevalent metabolic disease caused by dysfunctions of pancreatic islets. Over the past decade, diabetes research and treatments have focused on insulin restoration and glucose homeostasis, especially the regenerative approaches for stem cell based therapies for T1D. Nevertheless, unravelling the islet developmental processes and physiopathology of diabetes requires development of in vitro models that mimic the structure and function of islet of Langerhans. Organoids have progressively revolutionized three-dimensional cell culture allowing development of more physiologically relevant models that recapitulate cellular interactions and responses more accurately. Here, we provide insights into advanced islet organoid models focusing on their generation, characteristics, applications, and challenges. We discuss state-of-the-art tissue engineering strategies to recapitulate islet development and pancreatic niche microenvironment by exploring different cell sources of insulin-producing cells, including primary islet cells and cell line aggregation, transdifferentiation from adult somatic cells, and differentiation from stem cells. We discuss the significance of replicating the islet microenvironment through extracellular matrices and scaffolds, as well as vascular and immunomodulatory approaches. We highlight the potential of organ-on-chip technologies to closely recapitulate the complex microenvironment of pancreatic tissues providing platforms for disease modelling, drug screening and regenerative medicine. Despite the challenges, islet organoids combined with microfluidics represent a promising tool for the understanding of T1D pathogenesis and developing innovative therapies.
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 | 0,001 |
| 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 ».