miR–9-5p regulates immunometabolic and epigenetic pathways in β-glucan–trained immunity via IDH3α
Notice bibliographique
Résumé
Trained immunity, induced by β-glucan in monocytes, is mediated by activating metabolic pathways that result in epigenetic rewiring of cellular functional programs; however, molecular mechanisms underlying these changes remain unclear. Here, we report a key immunometabolic and epigenetic pathway mediated by the miR-9-5p-isocitrate dehydrogenase 3α (IDH3α) axis in trained immunity. We found that β-glucan-trained miR-9-5p-/- monocytes showed decreased IL-1β, IL-6, and TNF-α production after LPS stimulation. Trained miR-9-5p-/- mice produced decreased levels of proinflammatory cytokines upon rechallenge in vivo and had worse protection against Candida albicans infection. miR-9-5p targeted IDH3α and reduced α-ketoglutarate (α-KG) levels to stabilize HIF-1α, which promoted glycolysis. Accumulating succinate and fumarate via miR-9-5p action integrated immunometabolic circuits to induce histone modifications by inhibiting KDM5 demethylases. β-Glucan-trained monocytes exhibited low IDH3α levels, and IDH3α overexpression blocked the induction of trained immunity by monocytes. Monocytes with IDH3α variants from autosomal recessive retinitis pigmentosa patients showed a trained immunity phenotype at immunometabolic and epigenetic levels. These findings suggest that miR-9-5p and IDH3α act as critical metabolic and epigenetic switches in trained immunity.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».