Extracellular Vesicles Define Discrete Nano‐Based Niches Within the Human Haematopoietic System
Notice bibliographique
Résumé
Stem cell niches are complex multi-signalling networks comprised of molecular cues and physical interactions, orchestrated by niche-resident cells and the extracellular factors they produce. The bone niche specifically houses haematopoietic stem cells (HSCs), a critical cell type responsible for producing all blood and immune cells throughout life. Currently, how niches facilitate an ideal environment with simultaneously coordinating both intrinsic and extrinsic cellular signals is unknown. Studies presented here identify the existence of unique extracellular vesicle (EV)-defined niches within the haematopoietic system of human individuals. Bridging studies using proteomic signatures, nanoparticle characterization at single-vesicle resolution and machine learning-based techniques reveal that EVs can be grouped by blood, bone marrow and trabeculae within a human individual. Stem cell assays demonstrate that these niche-defined EVs impart functional effects on stem cells/progenitors based on location within the haematopoietic system. Finally, using single-cell transcriptomic analyses, results identify for the first time how niche-sourced EVs differentially affect the most primitive human HSCs and progenitors. This study highlights the significance of nanoparticles on human immunity and blood production and provides evidence for a new role for EVs, namely the demarcation of distinct nano-niches within biological 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 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 | 0,000 |
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 ».