Role of Endothelial TLR4 for Neutrophil Recruitment into Central Nervous System Microvessels in Systemic Inflammation
Notice bibliographique
Résumé
Brain inflammation is a frequent consequence of sepsis and septic shock. We imaged leukocyte recruitment in brain postcapillary venules induced by i.p. administration of LPS as a simple model of systemic inflammation. The i.p. injection of LPS (0.5 mg/kg) induced significant leukocyte rolling and adhesion in brain postcapillary venules of wild-type (WT) mice and more than 90% were neutrophils. However, no emigrated neutrophils were detected in brain parenchyma. High levels of TNF-alpha and IL-1beta were detected in the plasma after LPS injection but a different profile (IL-1beta but not TNF-alpha) was detected in the brain. LPS caused no recruitment in TLR4 knockout mice. In chimeric mice with TLR4-expressing resident cells but TLR4-deficient bone marrow-derived circulating cells, neutrophil rolling and adhesion was similar to WT mice. This observation is consistent with a requirement for resident cells in the LPS-induced neutrophil recruitment into brain microvessels. Transgenic mice engineered to express TLR4 exclusively on endothelial cells had a similar level of leukocyte recruitment in brain as WT mice in response to LPS. High dose LPS (10 mg/kg) led to neutrophil infiltration in the brain parenchyma in WT mice. High KC and MIP-2 production was observed from brain parenchyma microglial cells, and CXCR2 knockout mice failed to recruit neutrophils. However, neither neutrophil infiltration nor KC or MIP-2 was observed in endothelial TLR4 transgenic mice in response to this LPS dose. Our results demonstrate that direct endothelial activation is sufficient to mediate leukocyte rolling and adhesion in cerebral microvessels but not sufficient for emigration to brain parenchyma.
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 | 0,000 |
| 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 ».