Toll‐like receptor ligands induce polymorphonuclear leukocyte migration: key roles for leukotriene B <sub>4</sub> and platelet‐activating factor
Notice bibliographique
Résumé
Activation of toll-like receptors (TLRs) and polymorphonuclear leukocyte (PMN) accumulation at infection sites are critical events of host defense. The involvement of leukotriene (LT) B(4) and platelet-activating factor (PAF) in TLR ligand-induced activation of inflammatory cell functions is essentially unknown. Using an in vitro model of human PMN migration through human endothelial cell monolayers, we demonstrate that prototypic ligands of TLR1/2, 2/6, 3, 4, 5, and 7/8 promote PMN migration, an effect markedly inhibited by 3 LTB(4) receptor antagonists (70-80% inhibition at 100 nM compared to vehicle-treated cells), 3 PAF receptor antagonists (20-50% inhibition at 10 nM), 3 LT biosynthesis inhibitors (75-85% inhibition at 100 nM), and 1 cytosolic phospholipase A(2)alpha (cPLA(2)alpha) inhibitor (90% inhibition at 1 microM). Accordingly, selected TLR ligands caused Ser-505-phosphorylation of cPLA(2)alpha and measurable LTB(4) and PAF biosynthesis in the transmigration assay. As negative controls, interleukin-8- and formyl-methionyl-leucyl-phenylalanine-elicited migration in vitro was not inhibited either by an LTB(4) receptor antagonist or by the cPLA(2)alpha inhibitor. Finally, LTB(4) and PAF receptor antagonists inhibited (up to approximately 65% at optimal doses) TLR ligand-induced PMN infiltration in the mouse air-pouch model. These studies unravel the critical involvement of de novo LTB(4) and PAF biosynthesis in PMN migration elicited by TLR ligands.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».