La deÌrivation de cellules souches embryonnaires chez le cheval
Bibliographic record
Abstract
Les cellules souches embryonnaires (ES) sont porteuses de grands espoirs en recherche biomédicale dans le but d’apporter un traitement définitif à l’ostéoarthrose. Parce que certaines articulations des chevaux sont similaires à celles des humains, cet animal représente un modèle important dans l’évaluation de stratégies de régénération du cartilage. Cependant, pour expérimenter un traitement par les cellules ES chez le cheval, des cellules ES équines (eES) n’ont toujours pas pu être dérivées. Dans ce contexte, l’objectif principal de cette étude est de dériver des lignées de cellules eES. Le premier objectif de notre étude consiste à optimiser la technique de dérivation des cellules eES. Nous démontrons que la lignée de cellules nourricières et le stade de développement des embryons influencent l’efficacité de la technique de dérivation tandis que l’inhibition de voies de signalisation menant à la différenciation des cellules ES ne l’influence pas sous nos conditions. Le deuxième objectif de notre étude est de caractériser de façon plus approfondie les lignées de cellules eES obtenues. Nous démontrons que les cellules eES dérivées expriment autant des marqueurs associés aux cellules pluripotentes qu’aux cellules différenciées et que l’inhibition de voies de signalisation menant à la différenciation n’influence pas l’expression de ces marqueurs. Pour conclure, nous confirmons avoir dérivé des lignées de cellules semblables au cellules eES (eES-like) ne correspondant pas complètement aux critères des cellules ES.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".