Opposing Roles of Dendritic Cell Subsets in Experimental GN
Notice bibliographique
Résumé
Dendritic cells (DCs) are thought to form a dendritic network across barrier surfaces and throughout organs, including the kidney, to perform an important sentinel function. However, previous studies of DC function used markers, such as CD11c or CX3CR1, that are not unique to DCs. Here, we evaluated the role of DCs in renal inflammation using a CD11c reporter mouse line and two mouse lines with DC-specific reporters, Zbtb46 -GFP and Snx22 -GFP. Multiphoton microscopy of kidney sections confirmed that most of the dendritically shaped CD11c + cells forming a network throughout the renal interstitium expressed macrophage-specific markers. In contrast, DCs marked by Zbtb46 -GFP or Snx22 -GFP were less abundant, concentrated around blood vessels, and round in shape. We confirmed this pattern of localization using imaging mass cytometry. Motility measurements showed that resident macrophages were sessile, whereas DCs were motile before and after inflammation. Although uninflamed glomeruli rarely contained DCs, injury with nephrotoxic antibodies resulted in accumulation of ZBTB46 + cells in the periglomerular region. ZBTB46 identifies all classic DCs, which can be categorized into two functional subsets that express either CD103 or CD11b. Depletion of ZBTB46 + cells attenuated the antibody-induced kidney injury, whereas deficiency of the CD103 + subset accelerated injury through a mechanism that involved increased neutrophil infiltration. RNA sequencing 7 days after nephrotoxic antibody injection showed that CD11b + DCs expressed the neutrophil-attracting cytokine CXCL2, whereas CD103 + DCs expressed high levels of several anti-inflammatory genes. These results provide new insights into the distinct functions of the two major DC subsets in glomerular inflammation.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».