Modulation of Macrophage Functional Polarity towards Anti-Inflammatory Phenotype with Plasmid DNA Delivery in CD44 Targeting Hyaluronic Acid Nanoparticles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this study was to modulate macrophage polarity from the pro-inflammatory M1 to anti-inflammatory M2 phenotype using plasmid DNA (pDNA) expressing interleukin-4 (IL4) or interleukin-10 (IL10)-encapsulated in hyaluronic acid-poly(ethyleneimine) (HA-PEI) nanoparticles (NPs). The HA-PEI/pDNA NPs with spherical shape, average size of 186 nm were efficiently internalized by J774A.1 macrophages. Transfection of HA-PEI/pDNA-IL4 and HA-PEI/pDNA-IL10 NPs increased IL4 and IL10 gene expression in J774 macrophages which could re-program the macrophages from M1 to M2 phenotype as evidenced by a significant increase in the Arg/iNOS level, and upregulation of CD206 and CD163 compared to untreated macrophages. Following intraperitoneal (IP) injection to C57BL/6 mice, HA-PEI NPs effectively targeted peritoneal macrophages over-expressing CD44 receptor. In an in vivo model of stimulated peritoneal macrophages, IP administration of HA-PEI/pDNA-IL4 and HA-PEI/pDNA-IL10 to C57BL/6 mice significantly increased the Arg/iNOS ratio and CD163 expression in the cells. Furthermore, HA-PEI/pDNA-IL10 NPs significantly increased peritoneal and serum IL10 levels which effectively suppressed LPS-induced inflammation by reducing level of TNF-α and IL-1β in peritoneal macrophages and in the peritoneal fluid. The results demonstrated that pDNA-IL10-encapsulate HA-PEI NPs skewed macrophage functional polarity from M1 toward an anti-inflammatory M2 phenotype which may be a promising platform for the treatment of inflammatory diseases.
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.
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 | 0,002 | 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 | 0,001 |
| 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 découle