De-sialylated and sialylated IgG anti-dsDNA antibodies respectively worsen and mitigate experimental mouse lupus proteinuria and possible mechanisms
Notice bibliographique
Résumé
BACKGROUND: The role of sialylated and de-sialylated (de-SIA) IgG anti-dsDNA antibodies in experimental mouse lupus remains unclear. AIM OF THE STUDY: To examine how sialylated and de-SIA IgG anti-dsDNA antibodies affect lupus mouse proteinuria and possible mechanisms. METHODS: Blood was serially obtained from pristane-induced female BALB/c lupus mice to assess correlations between alpha-2,6-sialic cid (SIA) ratios of serum IgG anti-dsDNA and proteinuria. Kidney C3 staining was correlated with blood IgG anti-dsDNA. Sialylated IgG anti-dsDNA with its de-SIA form was administered to determine the effect on lupus proteinuria and in vitro consequences. RESULTS: We observed that the SIA contents of IgG anti-dsDNA were lower in Week 16/1+ (Week 16 with 1 + proteinuria) and W24/2 + mice than those in W16 (no proteinuria) and W24/1 + mice, respectively (P < 0.005 for both). C3 staining densities in the kidney correlated inversely with the α-2,6-SIA content of plasma IgG anti-dsDNA (r = -0.660). Highly sialylated A52L1 IgG anti-dsDNA injection mitigated lupus proteinuria significantly from PBS injection; however, its de-SIA form worsened proteinuria (aggravation of proteinuria: the latter vs. the former [sialylated A52L1 IgG anti-dsDNA] with an infinite odds ratio). Highly sialylated A52L1 IgG anti-dsDNA resulted in higher interleukin (IL)-10/IL-12 ratios, higher transforming growth factor-β1 levels, and lower tumor necrosis factor-α levels in sera than its de-SIA from. CONCLUSION: We concluded that a low SIA/serum IgG anti-dsDNA ratio indicated a high severity of nephritis in pristane-induced lupus mice. Highly sialylated IgG anti-dsDNA, in contrast to the de-SIA form, alleviated the severity of lupus proteinuria.
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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».