LSC Abstract – High mobility group box 1 modulates lung innate immunity by promoting wound healing and cytokine release in human bronchial epithelial cells
Notice bibliographique
Résumé
Airway pathogens damage epithelium integrity and stimulate toll like receptors (TLRs) on bronchial epithelial cells to release inflammatory mediators. In addition, damage associated molecular pattern (DAMP) proteins like high mobility group box 1 (HMGB1) are released and bind to TLR4. We investigated whether exogenous HMGB1 and TLR4 signaling promote wound repair, cytokine release and mucocilliary markers in human bronchial epithelial (HBE) cells. <b>Method:</b> Using air liquid interface (ALI) bronchial epithelial cell cultures, we assessed impact of HMGB1 on cytokine release (ELISA) and mucocilliary markers (RT-PCR) in the presence or absence of a TLR4 signaling inhibitor (CLI-095). We assessed HMGB1-TLR4 axis on bronchial epithelial wound healing by phase contrast microscopy using a scratch wound assay and tested whether this was coupled to extracellular matrix (ECM) synthesis by immunocytochemistry. <b>Result:</b> HMGB1 increased wound closure by ∼30% and was linked to accumulation of ECM proteins: fibronectin, γ2 chain of laminin-5 and α3 integrin. Wound closure and ECM expression was diminished by blunting TLR4 and inhibiting MAPK signaling. Furthermore, HMGB1 induced IL-8 and IL-1β secretion and increased MUC5AC mRNA expression. These effects on cytokine and MUC5AC mRNA expression were diminished by concomitant pharmacological inhibition of TLR4, ERK1/2, p38 and JNK signaling. <b>Conclusion:</b> HMGB1-TLR4 axis couples to downstream MAPK signaling to modulate wound repair, cytokine release and mucocilliary markers of HBE cells. These responses underpin bronchial epithelial cell function as a key player in lung innate immunity.
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 ».