A hair-follicle reconstructed in vitro immunocompetent skin model for prediction of the sensitizing potential of chemicals
Notice bibliographique
Résumé
Abstract The development of immunocompetent skin models represents a significant advancement in in vitro methods for detecting skin sensitizers, adhering to the 3R principles aimed at reducing, refining and replacing animal testing. In the present study, an advanced skin model from hair follicle-derived cells was constructed and enriched with two key immune cell types, namely Langerhans cells and T-lymphocytes, named ImmuSkin-MT. The model features a physiologically relevant epidermis and dermis, integration of monocyte-derived Langerhans cells (MoLCs) beneath the dermal layer, and co-cultivation with CD4 + -T cells in the lower chamber of a transwell system. This setup closely mimics the native interplay between skin-resident immune cells and T-cells, marking a significant advancement in in vitro toxicology. When exposed to known sensitizers of varying potency, the model demonstrated a robust ability to predict the sensitizing potential of chemicals. By addressing different key events in skin sensitization, a differentiation between extreme, moderate and even weak sensitizers was achieved. The results showed that the MoLCs migrated, and upregulated CD86 expression in response to contact sensitizers. Additionally, proliferation of CD4 + T-lymphocytes was increased in response to the treatment. These results highlight the potential of the ImmuSkin-MT construct to serve as a valuable tool for mechanistic studies and future regulatory applications in the assessment of skin sensitization.
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 ».