3D Bioprinting amyloid plaque‐like deposits, a strategy to model Alzheimer's disease <i>in vitro</i>
Notice bibliographique
Résumé
BACKGROUND: Amyloid β (Aβ) aggregation is a key neuropathological hallmark of Alzheimer's disease (AD) and is believed to trigger the pathological cascade leading to neurodegeneration. However, despite decades of research, the mechanisms underlying amyloidogenesis remain unclear, partly due to the lack of representative models that accurately recapitulate human pathology. Given that Aβ aggregates form in the extracellular space through the interaction with the extracellular matrix (ECM), conventional 2D cultures are inadequate for studying this process. Conversely, in vivo models provided insights but failed to fully replicate human Aβ aggregation dynamics, neurotoxicity, and disease progression. Recent advances in 3D bioprinting now allow the creation of physiologically relevant human brain models by integrating human induced pluripotent stem cells (hiPSCs) with ECM-like biomaterials (bioinks). METHOD: Here, we developed a 3D bioprinted human brain model for long-term culture of iPSC-derived familial AD (fAD) cortical neurons, astrocytes, and microglia in a multilayer wood-pile structure that mimics the cytoarchitecture of the human cortex. To model Aβ plaque formation, we incorporated synthetic fibrillar Aβ42 (fAβ42) into the bioink, leveraging AβV717I mutant neurons as a substrate while using fAβ42 as a seed to promote aggregation. RESULT: After three weeks of culture, we observed a statistically significant decrease in endogenous Aβ40, Aβ42, and the Aβ40/Aβ42 ratio in the conditioned medium, suggesting increased Aβ aggregation. Immunostaining confirmed increased accumulation of mOC87 and 4G8-positive Aβ deposits within the 3D-printed constructs. CONCLUSION: Our findings demonstrate the feasibility of mimicking amyloidogenesis in a 3D human-derived brain model, overcoming limitations of traditional in vitro models. This approach provides a human-relevant platform to study Aβ nucleation and plaque formation in real-time, offering a novel tool for AD research and drug discovery without relying on animal models.
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 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».