Microbial Superantigens Induce Glucocorticoid Receptor β and Steroid Resistance in a Nasal Explant Model
Notice bibliographique
Résumé
OBJECTIVE: To study the role of superantigen (SAg) in inducing glucocorticoid (GC) receptor beta and steroid resistance in an explant model of nasal tissue. METHODS: Nasal tissue was obtained from inferior turbinates of controls and ragweed (RW)-sensitive patients. Tissue samples were incubated with SAg of staphylococcal enterotoxin B. In addition, tissue samples from RW-sensitive patients were incubated with RW allergen in the presence and absence of both SAg and dexamethasone (DEX). The expression of GC receptor beta was assessed by immunocytochemistry. The expression of interleukin (IL)-2 and IL-4 mRNA was assessed by in situ hybridization. RESULTS: SAg induced an increase in the expression of GC receptor beta in atopic tissue and to a lesser extent in nonatopic tissue. The most significant induction of GC receptor beta was observed in response to SAg and RW in atopic tissue. Stimulation of atopic tissue with RW alone and SAg alone induced IL-4 and IL-2 mRNA, respectively. Incubation of atopic tissue with both SAg and RW induced both IL-2 and IL-4 mRNA. The increase in IL-4 mRNA expression was blunted by the addition of DEX to atopic tissue stimulated with RW alone but not to tissue stimulated by both RW and SAg. CONCLUSION: Our results demonstrate that SAgs induce steroid resistance in atopic nasal explant tissue by up-regulating the expression of GC receptor beta. Furthermore, we have shown that the up-regulation of GC receptor beta is a local event that is associated with the coexpression of IL-2 and IL-4 mRNA.
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 ».