Lipopolysaccharides induce a RAGE-mediated sensitization of sensory neurons and fluid hypersecretion in the upper airways
Notice bibliographique
Résumé
Thoracic dorsal root ganglia (tDRG) contribute to fluid secretion in the upper airways. Inflammation potentiates DRG responses, but the mechanisms remain under investigation. The receptor for advanced glycation end-products (RAGE) underlies potentiation of DRG responses in pain pathologies; however, its role in other sensory modalities is less understood. We hypothesize that RAGE contributes to electrophysiological and biochemical changes in tDRGs during inflammation. We used tDRGs and tracheas from wild types (WT), RAGE knock-out (RAGE-KO), and with the RAGE antagonist FPS-ZM1, and exposed them to lipopolysaccharides (LPS). We studied: capsaicin (CAP)-evoked currents and action potentials (AP), tracheal submucosal gland secretion, RAGE expression and downstream pathways. In WT neurons, LPS increased CAP-evoked currents and AP generation, and it caused submucosal gland hypersecretion in tracheas from WT mice exposed to LPS. In contrast, LPS had no effect on tDRG excitability or gland secretion in RAGE-KO mice or mice treated with FPS-ZM1. LPS upregulated full-length RAGE (encoded by Tv1-RAGE) and downregulated a soluble (sRAGE) splice variant (encoded by MmusRAGEv4) in tDRG neurons. These data suggest that sensitization of tDRG neurons contributes to hypersecretion in the upper airways during inflammation. And at least two RAGE variants may be involved in these effects of LPS.
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 | 0,001 | 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 ».