Influence of injury and cytokines on synthesis of monocyte chemoattractant protein‐1 mRNA in peripheral nervous tissue
Notice bibliographique
Résumé
The signals and the source of the signals for monocyte/macrophage entry into the injured peripheral nervous tissue are not yet defined. This study was undertaken to determine the distribution of the chemokine monocyte chemoattractant protein-1 mRNA in injured rat and mouse nerves and to investigate the mechanisms that regulate its synthesis in rat Schwann cells. Results from RNase protection assays showed that, following sciatic nerve transection in rats, mRNA for monocyte chemoattractant protein-1 was induced at the site of lesion within 3 h of surgery and in more distal segments from 24 h for at least 8 days. In cultured Schwann cells, tumour necrosis factor-alpha but not interleukin-1 beta, interleukin-6, transforming growth factor-beta 1, platelet-derived growth factor-BB or nerve growth factor induced monocyte chemoattractant protein-1 mRNA in a time- and dose-dependent fashion. The induction of monocyte chemoattractant protein-1 mRNA in Schwann cells treated with tumour necrosis factor-alpha was reduced by inhibitors of nuclear factor-kappa B and the p38 mitogen-activated protein kinase. In mice that lack the two receptors for tumour necrosis factor, the message for JE, a murine homologue of monocyte chemoattractant protein-1, was still induced within 6 h of injury at the lesion site. However, in more distal segments 4 days after transection the concentration of JE mRNA was lower than that of control mice. Tumor necrosis factor-alpha is the only cytokine that was shown to induce monocyte chemoattractant protein-1 mRNA in cultured Schwann cells and is one of the factors that regulate the synthesis of monocyte chemoattractant protein-1 in injured nerves.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».