MétaCan
Menu
Retour à la cohorte
Enregistrement W4413395419 · doi:10.1371/journal.pcbi.1013407

In silico modeling of directed differentiation of induced pluripotent stem cells to definitive endoderm

2025· article· en· W4413395419 sur OpenAlexafffund
Amirmahdi Mostofinejad, David A. Romero, Dana Brinson, Thomas K. Waddell, Golnaz Karoubi, Cristina H. Amon

Notice bibliographique

RevuePLoS Computational Biology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePluripotent Stem Cells Research
Établissements canadiensToronto General HospitalUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchCanada First Research Excellence FundNatural Sciences and Engineering Research Council of CanadaCanada Research Coordinating Committee
Mots-clésInduced pluripotent stem cellEndodermBiologyPopulationIn silicoCellular differentiationStem cellEmbryonic stem cellComputational biologyCell biologyGeneticsMedicine

Résumé

récupéré en direct d'OpenAlex

Differentiation of embryonic stem cells and induced pluripotent stem cells (iPSCs) into endoderm derivatives, including thyroid, thymus, lungs, liver, and pancreas, has broad implications for disease modeling and therapy. We utilize and expand a model development approach previously outlined by the authors to construct a model for the directed differentiation of iPSCs into definitive endoderm (DE). Assuming discrete intermediate stages in the differentiation process with a homogeneous population in each stage, three lineage models with two, three, and four populations and three growth models are constructed. Additionally, three models for error distribution are defined, resulting in a total of 27 models. Experimental data obtained in vitro are used for model calibration, model selection, and final validation. Model selection suggests that no transitory state during differentiation expresses the DE biomarkers CD117 and CD184, a finding corroborated by existing literature. Additionally, space-limited growth models, such as logistic and Gompertz growth, outperform exponential growth. Validation of the inferred model with leave-out data results in prediction errors of 26.4%. Using the inferred model, it is predicted that the optimal differentiation period is between 1.9 and 2.4 days, plating populations closer to 300 000 cells per well result in the highest yield efficiency, and that iPSC differentiation outpaces the DE proliferation as the main driver of the population dynamics. We also demonstrate that the model can predict the effect of growth modulators on cell population dynamics. Our model serves as a valuable tool for optimizing differentiation protocols, providing insights into developmental biology.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,284
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS Computational BiologyMême sujetPluripotent Stem Cells ResearchTravaux en français237 207