MétaCan
Menu
Retour à la cohorte
Enregistrement W2811102541 · doi:10.3389/fncel.2018.00215

Microglia Responses to Pro-inflammatory Stimuli (LPS, IFNγ+TNFα) and Reprogramming by Resolving Cytokines (IL-4, IL-10)

2018· article· en· W2811102541 sur OpenAlexafffund
Starlee Lively, Lyanne C. Schlichter

Notice bibliographique

RevueFrontiers in Cellular Neuroscience · 2018
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health ResearchCanadian Stroke NetworkToronto General and Western Hospital Foundation
Mots-clésMicrogliaTumor necrosis factor alphaImmunologyReprogrammingMedicineInflammationCytokineNeuroscienceBiologyCell

Résumé

récupéré en direct d'OpenAlex

Microglia respond to CNS injuries and diseases with complex reactions, often called ‘activation’. A pro-inflammatory phenotype (also called classical or M1 activation) lies at one extreme of the reactivity spectrum. There were several motivations for this study. First, bacterial endotoxin (lipopolysaccharide, LPS) is the most commonly used pro-inflammatory stimulus for microglia, both in vitro and in vivo; however, pro-inflammatory cytokines (e.g., IFNTNF) rather than LPS will be encountered with sterile CNS damage and disease. We lack direct comparisons of responses between LPS and such cytokines. Second, while transcriptional profiling is providing substantial data on microglial responses to LPS, these studies mainly use mouse cells and models, and there is increasing evidence that responses of rat microglia can differ. Third, the cytokine milieu is dynamic after acute CNS damage, and an important question in microglial biology is: How malleable are their responses? There are very few studies of effects of resolving cytokines, particularly for rat microglia, and much of the work has focused on pro-inflammatory outcomes. Here, we first exposed primary rat microglia to LPS or to IFN TNF(I+T) and compared hallmark functional (nitric oxide production, migration) and molecular responses (almost 100 genes), including surface receptors that can be considered part of the sensome. Protein changes for exemplary molecules were also quantified: ARG1, CD206/MRC1, COX-2, iNOS, PYK2. Despite some similarities, there were notable differences in responses to LPS and I+T. For instance, LPS often evoked higher pro-inflammatory gene expression and also increased several anti-inflammatory genes. Second, we compared the ability of two anti-inflammatory, resolving cytokines (IL-4, IL-10), to counteract responses to LPS and I+T. IL-4 was more effective after I+T than after LPS, and IL-10 was surprisingly ineffective after either stimulus. These results should prove useful in modeling microglial reactivity in vitro; and comparing transcriptional responses to sterile CNS inflammation in vivo.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,267
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations395
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Cellular NeuroscienceMême sujetNeuroinflammation and Neurodegeneration MechanismsTravaux en français237 207