Biological evaluation of the MILLIPLEX® map Mouse High Sensitivity T Cell Panel
Notice bibliographique
Résumé
Abstract Low levels of inflammation are involved in many clinical and sub-clinical disease states like autoimmune diseases. Measuring picogram levels of cytokines is critical for understanding their pathogenesis. Model organisms, such as mice, offer unique challenges of sample availability and detection of low levels of cytokines. We recently developed a Mouse High Sensitivity T Cell Panel multiplex assay for simultaneous measurement of 18 mouse cytokines using Luminex xMAP® technology. In this study, we analyzed mouse cytokine secretions both in vitro, with PMA-, PHA-, LPS-, Con-A, or calcium ionophore-challenged PBMC samples, and in vivo, using LPS-challenged mice and an aged-mouse model. Typically, the response of mouse PBMCs to in vitro stimulants is difficult to study due to low levels of cytokine secretion. Using the MILLIPLEX® map Mouse High Sensitivity T Cell Panel, distinctly different stimulant-dependent cytokine responses were observed. PMA and LPS induced the secretion of IL-1β, IL-5, IL-10, LIX, MCP-1, MIP-2 and LPS. IL-6 was secreted in response to LPS but not PMA. Th17 cell cytokine IL-17A was secreted in response to PHA and Con A but not LPS. Interestingly, low levels of secretion were seen in response to the combination of all stimulants for GM-CSF, IFNγ, IL-1α and IL-2. The in vivo challenge of LPS significantly increased mouse plasma levels of fourteen cytokines. Small increases were also seen for GM-CSF and IL-2, while IL-5 and IL-12 (p70) trended higher. In a mouse model of aging, sex-specific changes of plasma levels were observed for IL-1, IL-5, IL-10, GM-CSF, IFNγ, KC and MIP-2. Thus, the MILLIPLEX® MAP Mouse High Sensitivity T Cell Panel is a useful tool to study low levels cytokines in mouse models of disease and inflammation.
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 | 0,000 |
| 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 ».