A dermis-on-a-chip model for compound screening
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dermal fibrosis is a significant barrier to effective wound healing, with excessive myofibroblast activation and extracellular matrix deposition leading to scar formation and compromised tissue function. Current in vitro models for studying dermal fibrosis, such as monolayer cultures and human skin equivalents (HSEs), have limited physiological relevance or scalability for drug screening. Here, we present a dermis-on-a-chip platform to enable screening of anti-fibrotic compounds in physiologically-relevant 3D dermal microtissues. Upon treatment with transforming growth factor beta (TGFβ), the tissues exhibited hallmarks of fibrosis, including impaired integrity, increased tensile forces, altered cellular morphology, and a pro-fibrotic cytokine profile. Conversely, incorporation of QHREDGS (Q-peptide), an angiopoietin-1 derived peptide with known regenerative properties, selectively modulated these fibrotic changes. Q-peptide was found to reduce TGFβ-induced tensile forces, suppress smooth muscle actin (SMA) expression, and upregulate certain cytokines associated with wound repair. Overall, these findings demonstrate the utility of our dermis-on-a-chip model in compound screening. • We present a dermis-on-a-chip platform for anti-fibrotic compound screening. • Our platform monitors key fibrotic readings in 3D microtissues over 2–4 days. • TGFβ induced several characteristics of a profibrotic phenotype in microtissues. • Soluble and conjugated QHREDGS peptide modulated aspects of the fibrotic effects. • This work demonstrates the potential of our platform for antifibrotic drug screening.
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.
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 découle