Autophagy induction and PDGFR-β knockdown by siRNA-encapsulated nanoparticles reduce chlamydia trachomatis infection
Notice bibliographique
Résumé
C. trachomatis is the most common sexually transmitted bacterial infection in the world. Although the infection can be easily controlled by the use of antibiotics, several reports of clinical isolates that are resistant to antibiotics have prompted us to search for alternative strategies to manage this disease. In this paper, we developed a nanoparticle formulation (PDGFR-β siRNA-PEI-PLGA-PEG NP) that can simultaneously induce autophagy in human cells and knock down PDGFR-β gene expression, an important surface binding protein for C. trachomatis, as a strategy to reduce vaginal infection of C. trachomatis. PDGFR-β siRNA-PEI-PLGA-PEG NP significantly induced autophagy in human vaginal epithelial cells (VK2/E6E7) 48 hr post treatment by improving autophagic degradation activity without causing inflammation, apoptosis or any decrease in cell viability. Beclin-1, VPS34 (markers for initiation stage of autophagy), UVRAG, TECPR-1 (markers for degradation stage of autophagy) were found to be significantly upregulated after treatment with PDGFR-β siRNA-PEI-PLGA-PEG NP. Furthermore, PDGFR-β siRNA-PEI-PLGA-PEG NP decreased PDGFR-β mRNA expression by 50% and protein expression by 43% in VK2/E6E7 cells 48 hr post treatment. Treatment of cells with PDGFR-β siRNA-PEI-PLGA-PEG NP significantly decreased the intracellular C. trachomatis and extracellular release of C. trachomatis by approximately 65% and 67%, respectively, in vitro through augmenting autophagic degradation pathways and reducing bacterial binding simultaneously.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».