Mesenteric lymph node transcriptome profiles in BALB/c mice sensitized to three common food allergens
Notice bibliographique
Résumé
BACKGROUND: Food allergy is a serious health concern among infants and young children. Although immunological mechanism of food allergy is well documented, the molecular mechanism(s) involved in food allergen sensitization have not been well characterized. Therefore, the present study analyzed the mesenteric lymph node (MLN) transcriptome profiles of BALB/c mice in response to three common food allergens. RESULTS: Microarray analysis identified a total of 1361, 533 and 488 differentially expressed genes in response to β-lactoglobulin (BLG) from cow's milk, ovalbumin (OVA) from hen's egg white and peanut agglutinin (PNA) sensitizations, respectively (p < 0.05). A total of 150 genes were commonly expressed in all antigen sensitized groups. The expression of seven representative genes from microarray experiment was validated by real-time RT-PCR. All allergens induced significant ear swelling and serum IgG1 concentrations, whereas IgE concentrations were increased in BLG- and PNA-treated mice (p < 0.05). Treatment with OVA and PNA significantly induced plasma histamine concentrations (p < 0.05). The PCA demonstrated the presence of allergen-specific IgE in the serum of previously sensitized and challenged mice. CONCLUSIONS: Immunological profiles indicate that the allergen dosages used are sufficient to sensitize the BALB/c mice and to conduct transcriptome profiling. Microarray studies identified several differentially expressed genes in the sensitization phase of the food allergy. These findings will help to better understand the underlying molecular mechanism(s) of food allergen sensitizations and may be useful in identifying the potential biomarkers of food allergy.
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 ».