Riboflavin and ultraviolet light treatment of platelets triggers <scp>p</scp>38<scp>MAPK</scp> signaling: inhibition significantly improves in vitro platelet quality after pathogen reduction treatment
Notice bibliographique
Résumé
BACKGROUND: Pathogen reduction technologies (PRTs) significantly reduce the risk of transmission of infectious agents in platelet (PLT) concentrates; however, in vitro studies reveal a negative impact on PLT quality after PRT treatment including effects on PLT aggregation, integrin αIIbβ3 conformation, and actin dynamics. Clinically, the interval between transfusions is shortened. STUDY DESIGN AND METHODS: Seeking to understand the biochemical mechanisms underlying these observed effects, we analyzed signal transduction in PLT concentrates after riboflavin and ultraviolet light (UV; Mirasol) treatment and subsequent storage focusing on the phosphorylation levels of selected protein kinases. RESULTS: Among identified candidates, p38MAPK increased fourfold in phosphorylation after PRT. Incubation of PLT concentrates with a p38MAPK-specific inhibitor before PRT significantly improved numerous PLT quality measures. Phosphorylation levels of the p38MAPK substrates AKT, VASP, and HSP27 also decreased with inhibitor treatment. Phospho-HSP27 decrease in the presence of the inhibitor correlated with a reduction in PLT activation determined by surface expression of P-selectin. CONCLUSION: These findings support a model of one dominant underlying molecular signaling mechanism that is impacted by the riboflavin and UV (Mirasol) PRT process resulting in alterations in PLT quality. The identification of such a target should assist in the development of strategies to ameliorate this negative aspect of an otherwise beneficial and important safety development for transfusion medicine.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».