<scp>HNA</scp> antibody‐mediated neutrophil aggregation is dependent on serine protease activity
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Transfusion-related acute lung injury (TRALI) is often caused by antibodies against human neutrophil alloantigen-2 (HNA-2) and HNA-3a. Neutrophil aggregation is considered as a major cause of TRALI, but little is known about how HNA antibodies initiate this process. We explored mechanisms involved in neutrophil aggregation induced by HNA-2 and HNA-3a antibodies. MATERIALS AND METHODS: Isolated neutrophils were pretreated with broad-spectrum or specific inhibitors against different cell functions or proteases. Granulocyte agglutination test (GAT) was performed with serially diluted anti-HNA-2 and anti-HNA-3a plasmas or control plasma, and reactivity was evaluated microscopically. Reactive oxygen species (ROS) production in neutrophils was investigated using a lucigenin-based chemiluminescence assay. RESULTS: HNA-2 and HNA-3a antibody-mediated neutrophil aggregation was inhibited by pretreatment with formaldehyde, iodoacetamide and the serine protease inhibitors Pefabloc-SC, N-p-tosyl-L-phenylalanine chloromethyl ketone (TPCK) and Nα-tosyl-L-lysine chloromethyl ketone hydrochloride (TLCK). In contrast, inhibition of actin polymerization, respiratory burst, cysteine proteases, metalloproteases or aspartic proteases did not affect neutrophil aggregation. Furthermore, HNA-3a antibodies did not directly cause ROS production in neutrophils. CONCLUSION: Aggregation of neutrophils induced by HNA-2 and HNA-3a antibodies is an active process and depends on trypsin- or chymotrypsin-like serine proteases but is not dependent on the production of ROS. These findings may open new prospects for the pharmacologic prevention of neutrophil-associated acute lung injury.
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 ».