Integrating Proteomes for Lung Tissues and Lavage Reveals Pathways That Link Responses in Allergen-Challenged Mice
Notice bibliographique
Résumé
To capture interplay between biological pathways, we analyzed the proteome from matched lung tissues and bronchoalveolar lavage fluid (BALF) of individual allergen-naïve and house dust mite (HDM)-challenged BALB/c mice, a model of allergic asthma. Unbiased label-free liquid chromatography with tandem mass spectrometry (LC-MS/MS) analysis quantified 2675 proteins from tissues and BALF of allergen-naïve and HDM-exposed mice. In comparing the four datasets, we found significantly greater diversity in proteins between lung tissues and BALF than in the changes induced by HDM challenge. The biological pathways enriched after allergen exposure were compartment-dependent. Lung tissues featured innate immune responses and oxidative stress, while BALF most strongly revealed changes in metabolism. We combined lung tissues and BALF proteomes, which principally highlighted oxidation reduction (redox) pathways, a finding influenced chiefly by the lung tissue dataset. Integrating lung and BALF proteomes also uncovered new proteins and biological pathways that may mediate lung tissue and BALF interactions after allergen challenge, for example, B-cell receptor signaling. We demonstrate that enhanced insight is fostered when different biological compartments from the lung are investigated in parallel. Integration of proteomes from lung tissues and BALF compartments reveals new information about protein networks in response to environmental challenge and interaction between intracellular and extracellular processes.
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 | 0,001 |
| 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 ».