Systemic inhibition of the membrane attack complex impedes neuroinflammation in chronic relapsing experimental autoimmune encephalomyelitis
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 complement system is a key driver of neuroinflammation. Activation of complement by all pathways, results in the formation of the anaphylatoxin C5a and the membrane attack complex (MAC). Both initiate pro-inflammatory responses which can contribute to neurological disease. In this study, we delineate the specific roles of C5a receptor signaling and MAC formation during the progression of experimental autoimmune encephalomyelitis (EAE)-mediated neuroinflammation. MAC inhibition was achieved by subcutaneous administration of an antisense oligonucleotide specifically targeting murine C6 mRNA (5 mg/kg). The C5a receptor 1 (C5aR1) was inhibited with the C5a receptor antagonist PMX205 (1.5 mg/kg). Both treatments were administered systemically and started after disease onset, at the symptomatic phase when lymphocytes are activated. We found that antisense-mediated knockdown of C6 expression outside the central nervous system prevented relapse of disease by impeding the activation of parenchymal neuroinflammatory responses, including the Nod-like receptor protein 3 (NLRP3) inflammasome. Furthermore, C6 antisense-mediated MAC inhibition protected from relapse-induced axonal and synaptic damage. In contrast, inhibition of C5aR1-mediated inflammation diminished expression of major pro-inflammatory mediators, but unlike C6 inhibition, it did not stop progression of neurological disability completely. Our study suggests that MAC is a key driver of neuroinflammation in this model, thereby MAC inhibition might be a relevant treatment for chronic neuroinflammatory 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 | 0,000 | 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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