Differential effects of lactobacilli on activation and maturation of mouse dendritic cells
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
Lactic acid bacteria (LAB) are of interest because of their potential to modulate immune responses. The effects of LAB range from regulation to stimulation of the immune system. A series of studies were performed in vitro to study the effects of six lactic acid bacteria (LAB), Lactobacillus helveticus LH-2, Lactobacillus acidophilus La-5, La-115, La-116 and La-14, and Lactobacillus salivarius, on maturation and activation of mouse dendritic cells. Production of tumour necrosis factor (TNF)-?, interleukin (IL)-6 and IL-10 by dendritic cells (DCs) was determined after treating cells with live LAB. The expression of DC maturation markers, CD80 and CD40, was also measured using flow cytometry after stimulation with LAB. In addition, the expression of Toll-like receptors (TLRs) 2, 4 and 9 by DCs stimulated with LAB was measured. Our results revealed that LAB act differentially on pro-inflammatory and anti-inflammatory cytokine production and induction of co-stimulatory molecules by DCs. Specifically, L. salivarius was found to be the most effective LAB to induce pro-inflammatory cytokine production and expression of co-stimulatory molecules. Moreover, La-14, La-116 and La-5 induced moderate maturation and activation of DCs. On the other hand, LH-2 and La-115 were the least effective lactobacilli to induce DC responses. The present study also revealed that L. salivarius was able to induce the expression of TLR2, 4 and 9 by DCs. In conclusion, various strains and species of LAB can differentially regulate DC activation and maturation, providing further evidence that these bacteria may have the ability to influence and steer immune responses in vivo.
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 | 0,000 | 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 découle