Unveiling tissue-specific transcriptional adaptations in iPSC-derived fibroblasts via co-culture systems
Notice bibliographique
Résumé
BACKGROUND: Induced pluripotent stem cell-derived fibroblasts (iFBs) hold promise for autologous disease modelling, but their ability to replicate tissue-specific fibroblast characteristics remains unclear. Fibroblasts exhibit significant heterogeneity, with distinct subtypes playing critical roles in organ function and integrity. This study investigates whether iFBs can acquire tissue-specific transcriptional profiles through co-culture with cells from different germ layers, including skin (keratinocytes), heart (cardiomyocytes), gut (intestinal cells), and lung (bronchial epithelial cells). METHODS: iFBs were co-cultured directly or indirectly with organ-specific cell types, followed by bulk RNA sequencing and pathway analysis. Transcriptional profiles were compared to primary fibroblasts using principal component analysis (PCA), large single-cell databases of over 20,000 cells for single-cell deconvolution and targeted qPCR validation. Statistical significance was assessed via one-way ANOVA. RESULTS: Transcriptomic analysis revealed that iFBs exhibit transcriptional plasticity, adopting molecular phenotypes aligned with their co-culture environment across all germ layers. Paracrine signalling induced transient tissue-specific changes in indirectly co-cultured iFBs, but sustained interactions were required for stable adaptations. Pathway analysis highlighted functional shifts, such as TGF-β activation in cardiac iFBs and ECM remodelling in dermal iFBs. However, single-cell deconvolution showed incomplete tissue specification, with iFBs retaining mixed fibroblast subpopulations. CONCLUSIONS: These findings demonstrate that iFBs can adopt tissue-specific transcriptional profiles, supporting their potential for modelling fibrotic microenvironments in 3D in vitro systems. However, the partial and transient nature of these adaptations underscores the need to validate whether transcriptional changes translate to functional fibroblast behaviours, such as ECM dysregulation or aberrant TGF-β signalling, in complex tissue models. Optimising co-culture conditions to stabilise these phenotypes will be critical for leveraging iFBs in fibrosis research, drug screening, and personalised disease modelling.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».