Controlled Human Exposure to Diesel Exhaust and Particle-Depleted Diesel Exhaust with Allergen Modulates Transcriptomic Responses in the Lung Epithelium
Notice bibliographique
Résumé
RATIONALE: While allergen exposure has been a primary focus of asthma development and exacerbation research, the evidence associating traffic-related air pollution (TRAP) with asthma is growing. Diesel exhaust (DE) is a paradigm of TRAP, a complex mixture of particulate matter (PM) and gases, and although modern diesel engines include catalytic diesel particulate filters (cDPF) to reduce PM output, such systems may increase gas production, and their effects on health remain unclear. To investigate DE-associated augmentation of allergen effects in the context of PM reduction, we conducted a controlled human exposure study with allergen inhalation, DE, and particle-depleted DE exposures, and investigated transcriptomic responses in the lung epithelium. HYPOTHESIS: In the presence of allergens, the removal of particles from DE decreases inflammationrelated gene expression in the lung epithelium. METHODS: We conducted a randomized, double-blinded, crossover study using our unique in vivo human exposure system. High-efficiency particulate air filters and electrostatic precipitation were used to simulate cDPF, decreasing PM 2.5 by 94% but increasing NO 2 by 350%. Participants were exposed for 2h before undergoing an allergen inhalation challenge, with each participant receiving either filtered air (FA) and saline (FA-S), FA and allergen (FA-A), DE and allergen (DE-A), or particulatedepleted DE and allergen (PDDE-A) on 4 different occasions separated by 4 weeks. Endobronchial brushings (EBs) were collected 48h after exposures. Total RNA was extracted and sequenced using an Illumina NovaSeq platform. Quality was checked using FastQC, followed by alignment and quantification against transcriptome Ensembl-v98 using Salmon. Differentially expressed genes (DEGs) were identified using DESeq2 (FDR-adjusted pvalue < 0.1) followed by GO enrichment analysis using g:Profiler. RESULTS: FA-A, DE-A, and PDDE-A exposures significantly modulated gene expression relative to control (FA-S) in EBs. Therein, 747 DEGs were identified, with 8 (5, 3) modulated by all three conditions; FA-A modulated the most genes (326, 282), followed by DE-A (90, 68), and then PDDE-A (44, 13). PDDE-A modulated 557 genes (299, 258) compared to DE-A, including many that may participate in inflammatory responses (eg: increased MMP12, which contributes to airway remodeling via extracellular matrix degradation; suppressed IL22RA2, which inhibits IL-22 activity in inflammatory response activation) and enrichment analysis highlighted chemokine-mediated signaling pathways. CONCLUSIONS: The transcriptome was significantly modulated following acute exposure to FA-A, DE-A, and PDDE-A, relative to FA-S in EBs. Removing PM from DE does not necessarily eliminate inflammation-related gene expression. These results contribute to an improved understanding of the effects of PM exposure in asthma.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».