Modulation of experimental autoimmune encephalomyelitis through colonisation of the gut with Escherichia coli
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Multiple sclerosis (MS) is a neuro-inflammatory autoimmune disease of the central nervous system (CNS) that affects young adults. It is characterised by the development of demyelinating lesions and inflammation within the CNS. Although the causes of MS are still elusive, recent work using patient samples and experimental animal models has demonstrated a strong relationship between the gut microbiota and its contribution to CNS inflammation and MS. While there is no cure for MS, alteration of the gut microbiota composition through the use of probiotics is a very promising treatment. However, while most recent works have focused on the use of probiotics to modify pre-existing disease, little is known about its role in protecting from the establishment of MS. In this study, we determined whether colonisation with the probiotic bacterium Escherichia coli strain Nissle 1917 (EcN) could be used as a prophylactic strategy to prevent or alter the development of experimental autoimmune encephalomyelitis (EAE), a preclinical model of MS. We found that double gavage (two doses) of EcN before induction of EAE delayed disease onset and decreased disease severity. We also found that EcN-treated mice had decreased amounts of perivascular cuffing, CD4 + T cell infiltration into the CNS, together with significantly decreased absolute numbers of Th1 cells, and reduced activation of microglia. Although further studies are necessary to comprehend the exact protective mechanisms induced, our study supports a promising use of EcN as a probiotic for the prevention of MS.
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.
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 | 0,000 |
| 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 découle