Extracellular Vesicles of Salivary Mesenchymal Stem Cells Mitigate Acute Irradiation Injury: Use of an ex-vivo organotypic human slice tissue culture as a disease model
Notice bibliographique
Résumé
Abstract Ionizing radiation (IR) therapy for cancer patients can damage surrounding healthy tissues, particularly the salivary glands (SGs), leading to oral and systemic health issues reducing the quality of life of the patients. The mechanisms behind IR damage in SGs are not fully understood, and current therapies often fail to meet patient needs adequately. Therefore, identifying targeted pathways and alternative treatments is essential. To address this, we developed an ex vivo model of SG damage using human salivary glands obtained from patients. Healthy submandibular glands were harvested, cultured, and exposed to IR. RNA sequencing revealed elevated markers for DNA damage, inflammation, and ferroptosis, with four specific genes—FDXR, MDM2, H2AX, and p21—showing increases in expression that correlated with the IR dose. Using them, we developed a high-throughput genetic screening method to evaluate stem cell therapies aimed at mitigating IR injury. Conditioned media from mesenchymal stem/stromal cells (MSC-CM) were found to reduce the expression of all four markers, maintain tissue viability, promote cell proliferation, and decrease oxidative stress. Further analysis involved separating MSC-CM into two fractions: Extracellular Vesicles (EV)-rich and EV-depleted. The EV-depleted fractions retained elevated levels of DNA damage response markers, indicating that EVs play a crucial role in mediating tissue repair. In contrast, the EV-rich fractions reduced the markers of DNA damage response and were readily absorbed by the tissue slices. In conclusion, we have developed a genetic screening method to evaluate treatments for acute IR injury, emphasizing the significant role that EVs play in the repair process.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».