Material surfaces affect the protein expression patterns of human macrophages: A proteomics approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Monocyte-derived macrophages (MDM) are key inflammatory cells and are central to the foreign body response to implant materials. MDM have been shown to exhibit changes in actin cytoskeleton, multinucleation, cell size, and function in response to small alterations in polycarbonate-urethane (PCNU) surface chemistry. Although PCNU chemistry has an influence on de novo protein synthesis, no assessments of the protein expression profiles of MDM have yet been reported. The rapid emerging field of expression proteomics facilitates the study of changes in cellular protein profiles in response to their microenvironment. The current study applied proteomic techniques, 2-dimensional electrophoresis (2-DE) combined with MALDI-ToF (matrix assisted laser desorption ionization-time of flight) mass spectrometry, to determine differences in MDM protein expression influenced by PCNU. Results indicated that MDM responded to material chemistry by modulation of structural proteins (i.e. actin, vimentin, and tubulin). Additionally, intracellular protein modulation which requires proteins responsible for trafficking (i.e. chaperone proteins) and protein structure modification (i.e. bond rearrangement and protein folding) were also altered. This study demonstrated for the first time that a proteomics approach was able to detect protein expression profile changes in MDM cultured on different material surfaces, forming the basis for utilizing further quantitative proteomics techniques that could assist in elucidation of the mechanisms involved in MDM-material interaction.
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.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 découle