Lactic acid bacteria and bifidobacteria attenuate the proinflammatory response in intestinal epithelial cells induced by <i>Salmonella enterica</i> serovar Typhimurium
Notice bibliographique
Résumé
Inflammation is a physiological response to infections and tissue injury; however, abnormal immune responses can give rise to chronic inflammation and contribute to disease progression. Various dietary components, including probiotic lactic acid bacteria and prebiotics, have the potential to modulate intestinal inflammatory responses. One factor in particular, the chemokine interleukin-8 (IL-8, CXCL-8), is one of the major mediators of the inflammatory response. The purpose of this study was to investigate modulation of the inflammatory host response induced by Salmonella enterica serovar Typhimurium DT104 in the presence of selected probiotics and lactic acid bacteria (LAB) isolated from human sources, dairy products, and farm animals. IL-8 gene expression and protein production in HT-29 cells were evaluated by real-time PCR and ELISA, respectively. Pre-incubation of HT-29 cells with Lactobacillus kefir IM002, Bifidobacterium adolescentis FRP 61, Bifidobacterium longum FRP 68 and FRP 69, Bifidobacterium breve FRP 334, and Leuconostoc mesenteroides IM080 significantly inhibited IL-8 secretion induced by Salmonella Typhimurium DT104. Co-culture of selected probiotics and Salmonella Typhimurium DT104 reduced IL-8 production, while potential probiotics and LAB had no effect on IL-8 secretion in HT-29 cells preincubated with Salmonella Typhimurium DT104 prior to adding probiotics. Lactobacillus kefir IM002 supernatant also significantly reduced IL-8 production. In conclusion, our study suggests that probiotic bifidobacteria and LAB modulate cytokine induction and possess anti-inflammatory properties; however, the effectiveness is strain dependent.
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) | 0,000 | 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 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 ».