Neutrophil elastase induces inflammation and pain in mouse knee joints via activation of proteinase‐activated receptor‐2
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Neutrophil elastase plays a crucial role in arthritis. Here, its potential in triggering joint inflammation and pain was assessed, and whether these effects were mediated by proteinase-activated receptor-2 (PAR2). EXPERIMENTAL APPROACH: Neutrophil elastase (5 μg) was injected into the knee joints of mice and changes in blood perfusion, leukocyte kinetics and paw withdrawal threshold were assessed. Similar experiments were performed in animals pretreated with the neutrophil elastase inhibitor sivelestat, the PAR2 antagonist GB83, the p44/42 MAPK inhibitor U0126 and in PAR2 receptor knockout (KO) mice. Neutrophil elastase activity was also evaluated in arthritic joints by fluorescent imaging and sivelestat was assessed for anti-inflammatory and analgesic properties. KEY RESULTS: Intra-articular injection of neutrophil elastase caused an increase in blood perfusion, leukocyte kinetics and a decrease in paw withdrawal threshold. Sivelestat treatment suppressed this effect. The PAR2 antagonist GB83 reversed neutrophil elastase-induced synovitis and pain and these responses were also attenuated in PAR2 KO mice. The MAPK inhibitor U0126 also blocked neutrophil elastase-induced inflammation and pain. Active neutrophil elastase was increased in acutely inflamed knees as shown by an activatable fluorescent probe. Sivelestat appeared to reduce neutrophil elastase activity, but had only a moderate anti-inflammatory effect in this model. CONCLUSIONS AND IMPLICATIONS: Neutrophil elastase induced acute inflammation and pain in knee joints of mice. These changes are PAR2-dependent and appear to involve activation of a p44/42 MAPK pathway. Blocking neutrophil elastase, PAR2 and p44/42 MAPK activity can reduce inflammation and pain, suggesting their utility as therapeutic targets.
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 ».