Central nervous system (CNS) injury transforms naive astrocytes into reactive astrocytes, which eventually become scar-forming astrocytes that can impair axonal regeneration and functional recovery. This sequential phenotypic change, known as reactive astrogliosis, has long been considered unidirectional and irreversible. However, we report here that reactive astrocytes isolated from injured spinal cord reverted in retrograde to naive astrocytes when transplanted into a naive spinal cord, whereas they formed astrocytic scars when transplanted into injured spinal cord, indicating the environment-dependent plasticity of reactive astrogliosis. We also found that type I collagen was highly expressed in the spinal cord during the scar-forming phase and induced astrocytic scar formation via the integrin-N-cadherin pathway. In a mouse model of spinal cord injury, pharmacological blockade of reactive astrocyte-type I collagen interaction prevented astrocytic scar formation, thereby leading to improved axonal regrowth and better functional outcomes. Our findings reveal environmental cues regulating astrocytic fate decisions, thereby providing a potential therapeutic target for CNS injury.

Although recent reports have described multipotent, self-renewing, neural crest-derived stem cells (NCSCs), the NCSCs in various adult rodent tissues have not been well characterized or compared. Here we identified NCSCs in the bone marrow (BM), dorsal root ganglia, and whisker pad and prospectively isolated them from adult transgenic mice encoding neural crest-specific P0-Cre/Floxed-EGFP and Wnt1-Cre/Floxed-EGFP. Cultured EGFP-positive cells formed neurosphere-like structures that expressed NCSC genes and could differentiate into neurons, glial cells, and myofibroblasts, but the frequency of the cell types was tissue source dependent. Interestingly, we observed NCSCs in the aorta-gonad-mesonephros region, circulating blood, and liver at the embryonic stage, suggesting that NCSCs migrate through the bloodstream to the BM and providing an explanation for how neural cells are generated from the BM. The identification of NCSCs in accessible adult tissue provides a new potential source for autologous cell therapy after nerve injury or disease.

Glucocorticoid-induced osteoporosis (GIOP) lacks fully effective treatments. This study investigated the role of Piezo1, a mechanosensitive ion channel component 1, in GIOP. We found reduced Piezo1 expression in cortical bone osteocytes from patients with GIOP and a GIOP mouse model. Yoda1, a Piezo1 agonist, enhanced the mechanical stress response and bone mass and strength, which were diminished by dexamethasone (DEX) administration in GIOP mice. RNA-seq revealed that Yoda1 elevated Piezo1 expression by activating the key transcription factor Hes1, followed by enhanced CaM kinase II and Akt phosphorylation in osteocytes. This improved the lacuno-canalicular network and reduced sclerostin production and the receptor activator of NF-κB/osteoprotegerin ratio, which were mitigated by DEX. Comparative analysis of mouse models and human GIOP cortical bone revealed downregulation of mechanostimulated osteogenic factors, such as osteocrin, and cartilage differentiation markers in osteoprogenitor cells. In human periosteum-derived cells, DEX suppressed differentiation into osteoblasts, but Yoda1 rescued this effect. Our findings suggest that reduced Piezo1 expression and activity in osteocytes and periosteal cells contribute to GIOP, and Yoda1 may offer a novel therapeutic approach by restoring mechanosensitivity.

Abstract Recent advances in omics studies have enabled analysis at the single-cell level; however, methods for analyzing the whole cell of large organs and tissues remain challenging. Here, we developed a method named tsChIL to understand the diverse cellular dynamics at the tissue level using high-depth epigenomic data. tsChIL allowed the analysis of a single tissue section and could reproducibly acquire epigenomic profiles from several types of tissues, based on the distribution of target epigenomic states, tissue morphology, and number of cells. The proposed method enabled the independent evaluation of changes in cell populations and gene activation of cells in regenerating skeletal muscle tissues, using a statistical model of RNA polymerase II distribution on gene loci. Thus, the integrative analysis by tsChIL can elucidate in vivo cell-type dynamics of tissues.

Abstract Objectives As many patients with osteoporosis remain undiagnosed, we aimed to develop a simple method to efficiently screen for osteoporosis using a combination of anteroposterior hip X-ray assessment and the Osteoporosis Self-Assessment Tool for Asians (OSTA), which is calculated as (body weight − age) × 0.2. Methods One hundred Japanese women (age: 73 ± 11 years, body weight: 54.4 ± 11.1 kg) who underwent hip surgery, anteroposterior hip X-ray, and DXA were included. Based on the DXA results of the total proximal femur, 35 cases were diagnosed with osteoporosis. Fifteen orthopaedic surgeons visually inspected the hip X-ray images and scored the suspicion of osteoporosis on a scale of 1–4 (1: very unlikely, 4: very suspicious), which is referred to as “pred-score.” In addition, OSTA was calculated as a continuous variable (OSTA score). Osteoporosis was screened using the pred-score and OSTA score, and both scores were analyzed using the receiver operating characteristic curves. Results The area under the curves (AUCs) of the pred-score and OSTA score were 0.626–0.875 and 0.817 across surgeons, respectively. When both scores were used, the AUC for screening osteoporosis ranged from 0.821 to 0.915 across surgeons. Significant improvement from AUCs calculated with the pred-score or OSTA score was found in 11 surgeons (73.3%). Conclusion The combination of X-ray assessment and OSTA can be used to screen for osteoporosis and has the potential to be used as a new simple screening tool in daily clinical practice.

Postoperative adhesion around nerves sometimes results in sensory and motor dysfunctions. To prevent these disorders, we have developed an electrospun nanofiber sheet incorporating methylcobalamin (MeCbl), an active form of vitamin B12 with anti-inflammatory and neuroregenerative effects. This study aimed to investigate the neuroprotective effects of MeCbl sheets against postoperative adhesion and to compare the effects of MeCbl sheets with those of porcine small intestinal submucosa (SIS) sheets using a rat sciatic nerve adhesion model. Behavioral and electrophysiological analyses showed superior results in the MeCbl sheet group compared with those in the untreated group, all of which were non-inferior to the SIS sheet group. Histological analysis revealed less collagen and inflammatory cell invasion into the nerve parenchyma and a higher number of residual axons and myelination rate in the MeCbl sheet group than in the untreated group. Moreover, the MeCbl sheet group was superior to the SIS sheet group in terms of the myelination rate and decreased number of infiltrating macrophages. Furthermore, the distribution of residual axons by diameter revealed that the MeCbl sheet group had thicker axons than the SIS sheet group. The use of MeCbl sheets may represent a novel approach for preventing secondary nervous system impairment following inflammation.

Locomotive Syndrome (LS) is defined by decreased walking and standing abilities due to musculoskeletal issues. Early diagnosis is vital as LS can be reversed with appropriate intervention. Although diagnosing LS using standardized charts is straightforward, the labor-intensive and time-consuming nature of the process limits its widespread implementation. To address this, we introduced a Deep Learning (DL)-based computer vision model that employs OpenPose for pose estimation and MS-G3D for spatial-temporal graph analysis. This model objectively assesses gait patterns through single-camera video captures, offering a novel and efficient method for LS prediction and analysis. Our model was trained and validated using a dataset of 186 walking videos, plus 65 additional videos for external validation. The model achieved an average sensitivity of 0.86, demonstrating high effectiveness in identifying individuals with LS. The model’s positive predictive value was 0.85, affirming its reliable LS detection, and it reached an overall accuracy rate of 0.77. External validation using an independent dataset confirmed strong generalizability with an Area Under the Curve of 0.75. Although the model accurately diagnosed LS cases, it was less precise in identifying non-LS cases. This study pioneers in diagnosing LS using computer vision technology for pose estimation. Our accessible, non-invasive model serves as a tool that can accurately diagnose the labor-intensive LS tests using only visual assessments, streamlining LS detection and expediting treatment initiation. This significantly improves patient outcomes and marks a crucial advancement in digital health, addressing key challenges in management and care of LS.