Exploring Multi‐Organ Crosstalk via the TissUse HUMIMIC Chip System: Lessons Learnt So Far
Notice bibliographique
Résumé
Three-dimensional (3D) in vitro cell culture models have revolutionized biomedical research by mimicking the complex 3D in vivo environment in the human body. Different types of 3D models have been established, including heterotypic systems such as, organ-on-a-chips which have been further developed into multiorgan-on-chip systems that simulate or mimic the mutual and multiplex physiological communication between (distant) organs that may not be physically connected with each other known as multiorgan crosstalk/interactions. These multiorgan interactions have been shown to be mediated by various factors including cells, soluble mediators (growth factors, cytokines etc.,) and cellular vesicles and are responsible for regulating metabolic, inflammatory, and tissue repair processes in the body. Different multiorgan-on-chip systems have been developed to mimic and study these interactions and their role in various molecular and toxicological processes. Of these, the TissUse HUMIMIC Starter and Chip microphysiological system is a commercially available multiorgan model that has been used to study inter-organ crosstalk between organs such as the gut and liver, liver and brain, liver and kidney, among others and applied in cellular, molecular and toxicology studies to among other things aid in the reduction of animals in drug and toxicological research. In this review, we provide a brief overview of multiorgan systems and summarize studies that have specifically used the TissUse system to investigate multiorgan crosstalk in the human body to deliver an update in the field of multiorgan microphysiological systems.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».