Influence of bacterial components on the developmental programming of enteric neurons
Notice bibliographique
Résumé
BACKGROUND: Intestinal bacteria have been increasingly shown to be involved in early postnatal development. Previous work has shown that intestinal bacteria are necessary for the structural development and intrinsic function of the enteric nervous system in early postnatal life. Furthermore, colonization with a limited number of bacteria appears to be sufficient for the formation of a normal enteric nervous system. We tested the hypothesis that common bacterial components could influence the programming of developing enteric neurons. METHODS: The developmental programming of enteric neurons was studied by isolating enteric neural crest-derived cells from the fetal gut of C57Bl/6 mice at embryonic day 15.5. After the establishment of the cell line, cultured enteric neuronal precursors were exposed to increasing concentrations of a panel of bacterial components including lipopolysaccharide, flagellin, and components of peptidoglycan. KEY RESULT: Exposure to bacterial components consistently affected proportions of enteric neuronal precursors that developed into nitrergic neurons. Furthermore, flagellin and D-gamma-Glu-mDAP were found to promote the development of serotonergic neurons. Proportions of dopaminergic neurons remained unchanged. Proliferation of neuronal precursor cells was significantly increased upon exposure to lipopolysaccharide and flagellin, while no significant changes were observed in the proportion of apoptotic neuronal precursors compared to baseline with exposure to any bacterial component. CONCLUSIONS AND INTERFACES: These findings suggest that bacterial components may influence the development of enteric neurons.
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 ».