Serotonin modulates the cytokine network in the lung: involvement of prostaglandin E2
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
Serotonin, well known for its role in depression, has been shown to modulate immune responses. Interestingly, the plasma level of serotonin is increased in symptomatic asthmatic patients and the use of anti-depressants, known to reduce serotonin levels, provokes a decrease in asthma symptoms and an increase in pulmonary function. Thus, we tested the hypothesis that serotonin affects alveolar macrophage (AM) cytokine production, altering the cytokine network in the lung and contributing to asthma pathogenesis. AMs were treated with different concentrations of serotonin (10(-11)-10(-9) M) or 5-HT(1) and 5-HT(2) receptor agonists for 2 h prior stimulation. T helper 1 (Th1) and Th2 cytokines, prostaglandin-E(2) (PGE(2)) and nitric oxide (NO) were measured in cell-free supernatants. Serotonin significantly inhibited the production of tumour necrosis factor (TNF) and interleukin (IL)-12, whereas IL-10, NO and PGE(2) production were increased. These immunomodulatory effects of serotonin were mimicked by 5-HT(2) receptor agonist but were not abrogated by 5-HT(2) receptor antagonist, suggesting the implication of other 5-HT receptors. Inhibitors of cyclooxygenase and antibody to PGE(2) abrogated the inhibitory and stimulatory effect of serotonin on TNF and IL-10 production, respectively, whereas NO synthase inhibitor eliminated serotonin-stimulated IL-10 increase. Furthermore, PGE(2) significantly increased AM IL-10 and NO production. These results suggest that serotonin alters the cytokine network in the lung through the production of PGE(2). The reduction of Th1-type cytokine by serotonin may contribute to asthma pathogenesis.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle