MétaCan
Menu
Retour à la cohorte
Enregistrement W2947406234 · doi:10.1111/acel.12971

Restored immune cell functions upon clearance of senescence in the irradiated splenic environment

2019· article· en· W2947406234 sur OpenAlexafffund
Lina Marcela Hoyos Palacio, Marie‐Lyn Goyer, Damien Maggiorani, Andrea Espinosa, Norbert Villeneuve, Sara Bourbonnais, Gaël Moquin‐Beaudry, Oanh Lê, Marco Demaria, Albert R. Davalos, Hélène Decaluwe, Christian Beauséjour

Notice bibliographique

RevueAging Cell · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensUniversité de MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBiologySenescenceImmune systemCancer researchIn vivoCellSpleenCell biologyImmunologyIn vitroGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Some studies show eliminating senescent cells rejuvenate aged mice and attenuate deleterious effects of chemotherapy. Nevertheless, it remains unclear whether senescence affects immune cell function. We provide evidence that exposure of mice to ionizing radiation (IR) promotes the senescent‐associated secretory phenotype (SASP) and expression of p16 INK4a in splenic cell populations. We observe splenic T cells exhibit a reduced proliferative response when cultured with allogenic cells in vitro and following viral infection in vivo. Using p16‐3MR mice that allow elimination of p16 INK4a ‐positive cells with exposure to ganciclovir, we show that impaired T‐cell proliferation is partially reversed, mechanistically dependent on p16 INK4a expression and the SASP. Moreover, we found macrophages isolated from irradiated spleens to have a reduced phagocytosis activity in vitro, a defect also restored by the elimination of p16 INK4a expression. Our results provide molecular insight on how senescence‐inducing IR promotes loss of immune cell fitness, which suggest senolytic drugs may improve immune cell function in aged and patients undergoing cancer treatment.

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 enseignants0,002
Score d'incertitude au seuil0,006

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,008
Tête enseignante GPT0,208
Écart entre enseignants0,200 · 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

Citations55
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAging CellMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207