Sonoporation of Immune Cells: Heterogeneous Impact on Lymphocytes, Monocytes and Granulocytes
Notice bibliographique
Résumé
Microbubble-mediated ultrasound (MB-US) can be used to realize sonoporation and, in turn, facilitate the transfection of leukocytes in the immune system. Nevertheless, the bio-effects that can be induced by MB-US exposure on leukocytes have not been adequately studied, particularly for different leukocyte lineage subsets with distinct cytological characteristics. Here, we describe how that same set of MB-US exposure conditions would induce heterogeneous bio-effects on the three main leukocyte subsets: lymphocytes, monocytes and granulocytes. MB-US exposure was delivered by applying 1-MHz pulsed ultrasound (0.50-MPa peak negative pressure, 10% duty cycle, 30-s exposure period) in the presence of microbubbles (1:1 cell-to-bubble ratio); sonoporated and non-viable leukocytes were respectively labeled using calcein and propidium iodide. Flow cytometry was then performed to classify leukocytes into their corresponding subsets and to analyze each subset's post-exposure viability, sonoporation rate, uptake characteristics and morphology. Results revealed that, when subjected to MB-US exposure, granulocytes experienced the highest loss of viability (64.0 ± 11.0%) and the lowest sonoporation rate (6.3 ± 2.5%), despite maintaining their size and granularity. In contrast, lymphocytes exhibited the lowest loss of viability (20.9 ± 7.0%), while monocytes had the highest sonoporation rate (24.1 ± 13.6%). For these two sonoporated leukocyte subsets, their cell size and granularity were found to be reduced. Also, they exhibited graded levels of calcein uptake, whereas sonoporated granulocytes achieved only mild calcein uptake. These heterogeneous bio-effects should be accounted for when using MB-US and sonoporation in immunomodulation applications.
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 ».