Culture Strategy Determines the Differentiation Status of Sweat Gland Cells
Notice bibliographique
Résumé
Reliable methods for the isolation and culture of human eccrine sweat gland cells (SGCs) are essential for studying glandular biology and developing tissue-engineered skin substitutes (TESs) that restore full skin function. However, maintaining the glandular phenotype of SGCs in vitro remains a major challenge. In this study, we present an optimized isolation protocol combining enzymatic digestion with mechanical separation to improve SGC yield and purity, while also enabling keratinocyte isolation from a single human skin biopsy. We then evaluated two culture strategies, 2D monolayers and 3D spheroids, to determine their impact on SGC identity and proliferation. While 2D culture supported cell expansion, SGCs and keratinocytes exhibited highly similar marker expression profiles, with the absence of functional SGC markers (AQP5, α-SMA) reflecting a shift toward less differentiated phenotypes. In contrast, SGCs cultured in 3D spheroids preserved the expression of SGC-specific markers (AQP5, K18, α-SMA), distinguishing them from keratinocytes; however, their growth and structural organization were suboptimal under these 3D conditions. Moreover, SGCs expanded in 2D did not regain their glandular features when reintroduced into 3D culture, suggesting potential limitations in phenotype recovery. These results highlight the need for improved culture systems that maintain SGC identity while supporting expansion. Advancing such methods is a critical step toward integrating functional sweat glands into TESs and achieving complete skin regeneration for clinical applications.
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) | 0,000 | 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 | 0,001 | 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) | 0,001 | 0,001 |
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 ».