Profiling of how nociceptor neurons detect danger – new and old foes
Notice bibliographique
Résumé
Abstract The host evolves redundant mechanisms to preserve physiological processing and homeostasis. These functions range from sensing internal and external threats, creating a memory of the insult and generating reflexes, which aim to resolve inflammation. Impairment in such functioning leads to chronic inflammatory diseases. By interacting through a common language of ligands and receptors, the immune and sensory nervous systems work in concert to accomplish such protective functions. Whilst this bidirectional communication helps to protect from danger, it can contribute to disease pathophysiology. Thus, the somatosensory nervous system is anatomically positioned within primary and secondary lymphoid tissues and mucosa to modulate immunity directly. Upstream of this interplay, neurons detect danger, which prompts the release of neuropeptides initiating (i) defensive reflexes (ranging from withdrawal response to coughing) and (ii) chemotaxis, adhesion and local infiltration of immune cells. The resulting outcome of such neuro‐immune interplay is still ill‐defined, but consensual findings start to emerge and support neuropeptides not only as blockers of T H 1‐mediated immunity but also as drivers of T H 2 immune responses. However, the modalities detected by nociceptors revealed broader than mechanical pressure and temperature sensing and include signals as various as cytokines and pathogens to immunoglobulins and even micro RNA s. Along these lines, we aggregated various dorsal root ganglion sensory neuron expression profiling datasets supporting such wide‐ranging sensing capabilities to help identifying new danger detection modalities of these cells. Thus, revealing unexpected aspects of nociceptor neuron biology might prompt the identification of novel drivers of immunity, means to resolve inflammation and strategies to safeguard homeostasis.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».