VEGF and Angiopoietins Promote Inflammatory Cell Recruitment and Mature Blood Vessel Formation in Murine Sponge/Matrigel Model
Notice bibliographique
Résumé
A key feature in the induction of pathological angiogenesis is that inflammation precedes and accompanies the formation of neovessels as evidenced by increased vascular permeability and the recruitment of inflammatory cells. Previously, we and other groups have shown that selected growth factors, namely vascular endothelial growth factor (VEGF) and angiopoietins (Ang1 and Ang2) do not only promote angiogenesis, but can also induce inflammatory response. Herein, given a pro-inflammatory environment, we addressed the individual capacity of VEGF and angiopoietins to promote the formation of mature neovessels and to identify the different types of inflammatory cells accompanying the angiogenic process over time. Sterilized polyvinyl alcohol (PVA) sponges soaked in growth factor-depleted Matrigel mixed with PBS, VEGF, Ang1, or Ang2 (200 ng/200 µl) were subcutaneously inserted into anesthetized mice. Sponges were removed at day 4, 7, 14, or 21 post-procedure for histological, immunohistological (IHC), and flow cytometry analyses. As compared to PBS-treated sponges, the three growth factors promoted the recruitment of inflammatory cells, mainly neutrophils and macrophages, and to a lesser extent, T- and B-cells. In addition, they were more potent and more rapid in the recruitment of endothelial cells (ECs) and in the formation and maturation (ensheating of smooth muscle cells around ECs) of neovessels. Thus, the autocrine/paracrine interaction among the different inflammatory cells in combination with VEGF, Ang1, or Ang2 provides a suitable microenvironment for the formation and maturation of blood vessels.
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 | 0,000 | 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 ».