Dendritic Cells Contribute to Autoimmune Kidney Injury in MRL-<i>Fas</i><i><sup>lpr</sup></i> Mice
Notice bibliographique
Résumé
OBJECTIVE: Dendritic cells (DC) contribute to autoimmune disease progression and pathogenesis. Mature DC have been reported to secrete high mobility group box protein (HMGB-1), a novel inflammatory cytokine, via p38 mitogen-activated protein kinase (MAPK) activation. We investigated whether DC are involved in progression of autoimmune diseases followed by secretion of HMGB-1 via p38 MAPK activation in a lupus-prone mouse model. METHODS: FR167653, a specific inhibitor of p38 MAPK, was given orally from 3 months of age in MRL-Fas(lpr) mice. Cultured DC, treated with or without FR167653, were stimulated with tumor necrosis factor-alpha. RESULTS: Inhibition of p38 MAPK led to a reduction in the number of CD11c-positive cells, including those with the mature phenotype, in the diseased kidney and spleen, which resulted in improvement of kidney pathology in MRL-Fas(lpr) mice. The number of CD11c-positive cells in circulation was also reduced. HMGB-1 protein and transcripts detected in the diseased kidney, and the number of cells dual-positive for HMGB-1 and CD11c, were reduced by inhibition of p38 MAPK. Maturation of cultured DC and increased cytokines, including HMGB-1, in the supernatant were inhibited by FR167653 treatment. These results suggest that DC are involved in the progression of autoimmune kidney diseases in MRL-Fas(lpr) mice followed by HMGB-1 secretion via p38 MAPK activation. CONCLUSION: Our results indicated that DC secrete HMGB-1 via p38 MAPK activation to participate in autoimmunity in MRL-Fas(lpr) mice.
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 | 0,001 |
| 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 | 0,001 | 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 ».