Tissue-specific murine neutrophil activation states in health and inflammation
Notice bibliographique
Résumé
Neutrophils are quickly recruited to tissues in response to proinflammatory cues; however, little is known about tissue neutrophil phenotypes in health. We employ a multicolor flow cytometric approach to assess surface markers of activation on neutrophils from the bone marrow, blood, peritoneum, spleen, liver, fat, colon, and oral cavity of healthy mice. Cell preparations were promptly fixed to preserve native surface marker expression levels. Peritoneal, colonic, and oral neutrophils were also assessed in the setting of pHrodo-induced peritonitis, dextran sodium sulfate-induced colitis, and ligature-induced periodontal disease, respectively. Our results demonstrate consistent detectable neutrophil populations in various sterile and nonsterile tissues of healthy mice, and these cells had tissue-specific neutrophil immunophenotypes. Neutrophils derived from biofilm-associated mucosal tissues had 2- to 3-fold higher expression of surface markers of activation, including CD66a, CD11b, and CD62L, compared to neutrophils derived from both sterile healthy tissues as well as tissues in animals treated with broad-spectrum antibiotics. Furthermore, the unique cluster of differentiation (CD) marker activation signatures of tissue-specific neutrophils from the peritoneum, colon, and oral cavity were altered to a proinflammatory immunophenotype with the presence of an inflammatory stimulus. Based on our results, we propose a model whereby a hierarchy of tissue neutrophil immunophenotypes, based on the differential expression of CD markers of activation, correlates with sterile, healthy commensal biofilm-associated and inflamed tissue states.
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 | 0,000 |
| 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) | 0,000 | 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 ».