Human skin and nerve derived Schwann cells exhibit subtle transcriptomic and functional differences
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Schwann cells (SCs) support peripheral nerve regeneration, but the efficacy of this regeneration is limited. Introducing exogenous SCs to the site of peripheral nerve injury is an ongoing avenue of investigation as a cellular therapy to enhance regeneration. Approaches that utilize an accessible source of a patient's own cells would greatly facilitate clinical translation. Previous work demonstrates that skin-derived SCs are able to promote axonal growth and remyelination in murine models of nerve injury, however, it is not clear whether skin-derived and nerve-derived SC are functionally equivalent. To this end, we isolated SCs from small skin samples and then subjected them to high resolution single-cell mRNA sequencing (scRNA-seq) followed by battery of in vitro and in vivo assays. Our genomic analyses revealed close to 95% similarity between skin and nerve SCs at differential gene level while gene network analysis showed mostly overlapping profiles between the two cell types with the exception of immune regulatory family (eg. IRF) upregulated in skin SCs. In vitro assays revealed similarity in proliferation, migration and expression of epidermal growth factor between the two cell types, which is in alignment with our genomic analysis. However, we observed subtle difference such as higher expression of VEGF and collagen content in skin SCs and higher expression of TGF-alpha in nerve SC. Overall, our results showed that skin and nerve Schwann cells share mostly identical properties with subtle differences, suggesting that skin may be a viable source of Schwann cells to improve nerve repair.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| 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) | 0,005 | 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 découle