Antiplatelet antibody‐induced thrombocytopenia does not correlate with megakaryocyte abnormalities in murine immune thrombocytopenia
Notice bibliographique
Résumé
Immune thrombocytopenia (ITP) is an autoimmune bleeding disorder characterized by increased peripheral immune platelet destruction and megakaryocyte defects in the bone marrow. Although ITP was originally thought to be primarily due to antibody-mediated autoimmunity, it is now clear that T cells also play a significant role in the disease. However, the exact interplay between platelet destruction, megakaryocyte dysfunction and the elements of both humoral and cell-mediated immunity in ITP remains incompletely defined. While most studies have focused on immune platelet destruction in the spleen, an additional possibility is that the antiplatelet antibodies can also destroy bone marrow megakaryocytes. To address this, we negated the effects of T cells by utilizing an in vivo passive ITP model where BALB/c mice were administered various anti-αIIb, anti-β3 or anti-GPIb antibodies or antisera and platelet counts and bone marrow megakaryocytes were enumerated. Our results show that after 24 hours, all the different antiplatelet antibodies/sera induced variable degrees of thrombocytopenia in recipient mice. Compared with naïve control mice, however, histological examination of the bone marrow revealed that only 2 antibody preparations (mouse-anti-mouse β3 sera and an anti- αIIb monoclonal antibody (MWReg30) could affect bone marrow megakaryocyte counts. Our study shows that while most antiplatelet antibodies induce acute thrombocytopenia, the majority of them do not affect the number of megakaryocytes in the bone marrow. This suggests that other mechanisms may be responsible for megakaryocyte abnormalities seen during immune thrombocytopenia.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».