MétaCan
Menu
Retour à la cohorte
Enregistrement W3040648832 · doi:10.3389/fmicb.2020.01461

Selenomethionine Suppressed TLR4/NF-κB Pathway by Activating Selenoprotein S to Alleviate ESBL Escherichia coli-Induced Inflammation in Bovine Mammary Epithelial Cells and Macrophages

2020· article· en· W3040648832 sur OpenAlexaff
Cuicui Zhuang, Gang Liu, Herman W. Barkema, Man Zhou, Siyu Xu, Sadeeq ur Rahman, Yongxia Liu, John P. Kastelic, Jian Gao, Bo Han

Notice bibliographique

RevueFrontiers in Microbiology · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueSelenium in Biological Systems
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésInflammationEscherichia coliSelenoproteinTLR4MicrobiologyNF-κBChemistryBiologyGeneImmunologyBiochemistryOxidative stressSuperoxide dismutase

Résumé

récupéré en direct d'OpenAlex

Inflammation is the hallmark of extended-spectrum β-lactamase (ESBL)-producing Escherichia coli-induced bovine mastitis. Organic selenium can activate pivotal proteins in immune responses and regulate the immune system. The present study aimed to investigate whether selenomethionine (SeMet) attenuates ESBL E. coli-induced inflammation in bovine mammary epithelial cells (bMECs) and macrophages. Cells were treated with 0, 5/10, 10/20, 20/40 or 40/60 μM SeMet for 12 h and/or inoculated with ESBL-E. coli (MOI=5) for 4/6 h, respectively. We assessed inflammatory responses, including selenoprotein S (SeS), Toll-like receptor 4 (TLR4), Ikappa-B (IκB), phospho-NF-κB p65 (Ser536), IL-1β, tumor necrosis factor-α (TNF-α) and lactate dehydrogenase (LDH) activities. Treatment with 40/60 μM SeMet promoted cell viability and inhibited LDH activities in both bMECs and macrophages. Inoculation with ESBL-E. coli reduced cell viability, which was attenuated by SeMet treatment in bMECs and macrophages. SeMet increased ESBL E. coli-induced downregulation of SeS and decreased LDH activities, TLR4, IκB, phospho-NF-κB p65 (Ser536), IL-1β and TNF-α protein expressions in bMECs and macrophages. In addition, knockdown of SeS promoted protein expression of TLR4-mediated NF-κB pathway and BAY 11-708 inhibited TNF-α and IL-1β protein levels in bMECs and macrophages after ESBL-E. coli treatment. Moreover, ESBL-E. coli inoculation increased monocyte chemoattractant protein 1 (MCP-1), C–C motif ligand 3 (CCL-3) and CCL-5 mRNA expressions in bMECs. In conclusion, ESBL-E. coli induced expression of MCP-1, CCL-3 and CCL-5 in bMECs and then recruited and activated macrophages, whereas SeMet attenuated ESBL E. coli-induced inflammation through activated SeS-mediated TLR4/NF-κB signaling pathway in bMECs and macrophages.

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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,010
Tête enseignante GPT0,215
Écart entre enseignants0,205 · 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

Citations33
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MicrobiologyMême sujetSelenium in Biological SystemsTravaux en français237 207