Granulocyte-Derived Extracellular Vesicles Activate Monocytes and Are Associated With Mortality in Intensive Care Unit Patients
Notice bibliographique
Résumé
To understand how extracellular vesicle (EV) subtypes differentially activate monocytes, a series of in vitro studies were performed. We found that plasma-EVs biased monocytes toward an M1 profile. Culturing monocytes with granulocyte-, monocyte- and endothelial-EVs induced several pro-inflammatory cytokines. In contrast, platelet-EVs induced TGF-β and GM-CSF, and red blood cell (RBC)-EVs did not activate monocytes in vitro. The scavenger receptor CD36 was important for binding of RBC-EVs to monocytes, while blockade of CD36, CD163, CD206, TLR1, TLR2, and TLR4 did not affect binding of plasma-EVs to monocytes in vitro. To identify mortality risk factors, multiple soluble factors and EV subtypes were measured in patients’ plasma at intensive care unit (ICU) admission. Of 43 coagulation factors and cytokines measured, two were significantly associated with mortality, TPA and cystatin C. Of 14 cellular markers quantified on EVs, 4 were early predictors of mortality, including the granulocyte marker CD66b. In conclusion, granulocyte-EVs have potent pro-inflammatory effects on monocytes in vitro. Furthermore, correlation of early granulocyte EV levels with mortality in critically ill patients provides a potential target for intervention in management of the pro-inflammatory cascade associated with critical illness.
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) | 0,000 | 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 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 ».