Mesenchymal Stem Cells Reduce Inflammation while Enhancing Bacterial Clearance and Improving Survival in Sepsis
Notice bibliographique
Résumé
RATIONALE: Sepsis refers to the clinical syndrome of severe systemic inflammation precipitated by infection. Despite appropriate antimicrobial therapy, sepsis-related morbidity and mortality remain intractable problems in critically ill patients. Moreover, there is no specific treatment strategy for the syndrome of sepsis-induced multiple organ dysfunction. OBJECTIVES: We hypothesized that mesenchymal stem cells (MSCs), which have been shown to have immunomodulatory properties, would reduce sepsis-induced inflammation and improve survival in a polymicrobial model of sepsis. METHODS: Sepsis was induced in C57Bl/6J mice by cecal ligation and puncture (CLP), followed 6 hours later by an intravenous injection of MSCs or saline. Twenty-eight hours after CLP, plasma, bronchoalveolar lavage fluid and tissues were collected for analyses. Longer-term studies were performed with antibiotic coadministration to assess the effect of MSCs on survival. MEASUREMENTS AND MAIN RESULTS: MSC treatment significantly reduced mortality in septic mice receiving appropriate antimicrobial therapy. MSCs alone reduced systemic and pulmonary cytokine levels in mice with CLP-induced sepsis, preventing acute lung injury and organ dysfunction, despite the low levels of cell persistence. Microarray data highlighted an overall down-regulation of inflammation and inflammation-related genes (such as IL-10, IL-6) and a shift toward up-regulation of genes involved in promoting phagocytosis and bacterial killing. Finally, bacterial clearance was significantly greater in MSC-treated mice, in part due to enhanced phagocytotic activity of the host immune cells. CONCLUSIONS: These data demonstrate that MSCs have beneficial effects on experimental sepsis, possibly by paracrine mechanisms, and suggest that immunomodulatory cell therapy may be an effective adjunctive treatment to reduce sepsis-related morbidity and mortality.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».