Epithelial Microvesicles Promote an Inflammatory Phenotype in Fibroblasts
Notice bibliographique
Résumé
Microvesicles (MVs) are extracellular vesicles secreted by various cell types that are involved in intercellular communication. We hypothesized that in human periodontal disease, the pocket epithelium releases MVs, which then modulate gene expression in the underlying fibroblasts to control periodontal inflammation. MVs were isolated from culture medium of gingival epithelial cells (GECs) treated with oral bacterial biofilm extract or left untreated. Biofilm treatment significantly increased MV release from the GECs. Mass spectrometry of GEC-MVs identified a total of 2,173 proteins, of which about 80% were detected in MVs from both control and biofilm-treated GECs. Among 80 signature genes of human gingival fibroblasts, 20 were significantly regulated (P < 0.05) by MVs from control and biofilm-treated GECs in a similar manner. Matrix metalloproteinase 1 and 3 and interleukin 6 and 8 showed the strongest regulation at the mRNA and protein levels. Several cellular signaling pathways were activated by GEC-MVs in human gingival fibroblasts, including Smad and mitogen-activated protein kinase-associated pathways ERK1/2, JNK, and p38. However, ERK1/2 signaling dominated in the MV-induced gene expression changes. The results demonstrate that GEC-MVs have a strong regulatory effect on the expression of fibroblast genes associated with inflammation and matrix degradation and that bacterial biofilm stimulates the generation of GEC-MVs. This suggests that bacterial biofilms can contribute to the initiation and progression of periodontal disease by promoting a tissue-destructive phenotype in gingival fibroblasts via the enhanced secretion of epithelial MVs.
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 ».