Microbiota-Derived Compounds Drive Steady-State Granulopoiesis via MyD88/TICAM Signaling
Notice bibliographique
Résumé
Neutropenia is probably the strongest known predisposition to infection with otherwise harmless environmental or microbiota-derived species. Because initial swarming of neutrophils at the site of infection occurs within minutes, rather than the hours required to induce "emergency granulopoiesis," the relevance of having high numbers of these cells available at any one time is obvious. We observed that germ-free (GF) animals show delayed clearance of an apathogenic bacterium after systemic challenge. In this article, we show that the size of the bone marrow myeloid cell pool correlates strongly with the complexity of the intestinal microbiota. The effect of colonization can be recapitulated by transferring sterile heat-treated serum from colonized mice into GF wild-type mice. TLR signaling was essential for microbiota-driven myelopoiesis, as microbiota colonization or transferring serum from colonized animals had no effect in GF MyD88(-/-)TICAM1(-/-) mice. Amplification of myelopoiesis occurred in the absence of microbiota-specific IgG production. Thus, very low concentrations of microbial Ags and TLR ligands, well below the threshold required for induction of adaptive immunity, sets the bone marrow myeloid cell pool size. Coevolution of mammals with their microbiota has probably led to a reliance on microbiota-derived signals to provide tonic stimulation to the systemic innate immune system and to maintain vigilance to infection. This suggests that microbiota changes observed in dysbiosis, obesity, or antibiotic therapy may affect the cross talk between hematopoiesis and the microbiota, potentially exacerbating inflammatory or infectious states in the host.
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 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) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 tête enseignante, 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 ».