Low-density lipoprotein (LDL)-dependent uptake of Gram-positive lipoteichoic acid and Gram-negative lipopolysaccharide occurs through LDL receptor
Notice bibliographique
Résumé
Lipoteichoic acid (LTA) and lipopolysaccharide (LPS) are bacterial lipids that stimulate pro-inflammatory cytokine production, thereby exacerbating sepsis pathophysiology. Proprotein convertase subtilisin/kexin type 9 (PCSK9) negatively regulates uptake of cholesterol by downregulating hepatic lipoprotein receptors, including low-density lipoprotein (LDL) receptor (LDLR) and possibly LDLR-related protein-1 (LRP1). PCSK9 also negatively regulates Gram-negative LPS uptake by hepatocytes, however this mechanism is not completely characterized and mechanisms of Gram-positive LTA uptake are unknown. Therefore, our objective was to elucidate the mechanisms through which PCSK9 regulates uptake of LTA and LPS by investigating the roles of lipoproteins and lipoprotein receptors. Here we show that plasma PCSK9 concentrations increase transiently over time in septic and non-septic critically ill patients, with highly similar profiles over 14 days. Using flow cytometry, we demonstrate that PCSK9 negatively regulates LDLR-mediated uptake of LTA and LPS by HepG2 hepatocytes through an LDL-dependent mechanism, whereas LRP1 and high-density lipoprotein do not contribute to this uptake pathway. Bacterial lipid uptake by hepatocytes was not associated with cytokine production or hepatocellular injury. In conclusion, our study characterizes an LDL-dependent and LDLR-mediated bacterial lipid uptake pathway regulated by PCSK9, and provides evidence in support of PCSK9 inhibition as a potential therapeutic strategy for sepsis.
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 | 0,002 | 0,001 |
| 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 | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».