MétaCan
Menu
Retour à la cohorte
Enregistrement W1978536616 · doi:10.3791/2142

Detection of Neu1 Sialidase Activity in Regulating TOLL-like Receptor Activation

2010· article· en· W1978536616 sur OpenAlex
Schammim Ray Amith, Preethi Jayanth, Trisha M. Finlay, Susan Franchuk, Alanna Gilmour, Samar Abdulkhalek, Myron R. Szewczuk

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Visualized Experiments · 2010
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueGalectins and Cancer Biology
Établissements canadiensQueen's University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaQueen's University
Mots-clésSialidaseToll-like receptorReceptorChemistryCell biologyBiologyBiochemistryEnzymeInnate immune systemNeuraminidase

Résumé

récupéré en direct d'OpenAlex

Mammalian Toll-like receptors (TLRs) are a family of receptors that recognize pathogen-associated molecular patterns. Not only are TLRs crucial sensors of microbial (e.g., viruses, bacteria and parasite) infections, they also play an important role in the pathophysiology of infectious diseases, inflammatory diseases, and possibly in autoimmune diseases. Thus, the intensity and duration of TLR responses against infectious diseases must be tightly controlled. It follows that understanding the structural integrity of sensor receptors, their ligand interactions and signaling components is essential for subsequent immunological protection. It would also provide important opportunities for disease modification through sensor manipulation. Although the signaling pathways of TLR sensors are well characterized, the parameters controlling interactions between the sensors and their ligands still remain poorly defined. We have recently identified a novel mechanism of TLR activation by its natural ligand, which has not been previously observed. It suggests that ligand-induced TLR activation is tightly controlled by Neu1 sialidase activation. We have also reported that Neu1 tightly regulates neurotrophin receptors like TrkA and TrkB, which involve Neu1 and matrix metalloproteinase-9 (MMP-9) cross-talk in complex with the receptors. The sialidase assay has been initially use to find a novel ligand, thymoquinone, in the activation of Neu4 sialidase on the cell surface of macrophages, dendritic cells and fibroblast cells via GPCR Gαi proteins and MMP-9. For TLR receptors, our data indicate that Neu1 sialidase is already in complex with TLR-2, -3 and -4 receptors, and is induced upon ligand binding to either receptor. Activated Neu1 sialidase hydrolyzes sialyl α-2,3-linked β-galactosyl residues distant from ligand binding to remove steric hinderance to TLR-4 dimerization, MyD88/TLR4 complex recruitment, NFkB activation and pro-inflammatory cell responses. In a collaborative report, Neu1 sialidase has been shown to regulate phagocytosis in macrophage cells. Taken together, the sialidase assay has provided us with powerful insights to the molecular mechanisms of ligand-induced receptor activation. Although the precise relationship between Neu1 sialidase and the activation of TLR, Trk receptors has yet to be fully elucidated, it would represent a new or pioneering approach to cell regulation pathways.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,402

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,376
Écart entre enseignants0,356 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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