Blood-Based Immune Protein Markers of Disease Progression in Murine Models of Acute and Chronic Inflammatory Bowel Disease
Notice bibliographique
Résumé
Inflammatory bowel disease (IBD) is a chronic ailment afflicting millions of people worldwide, with the majority of recognized cases within industrialized countries. The impacts of IBD at the individual level are long-lasting with few effective treatments available, resulting in a large burden on the health care system. A number of existing animal models are utilized to evaluate novel treatment strategies. Two commonly used models are (1) acute colitis mediated by dextran sulphate sodium (DSS) treatment of wild-type mice and (2) chronic colitis mediated by the transfer of proinflammatory T cells into immunodeficient mice. Despite the wide use of these particular systems to evaluate IBD therapeutics, the typical readouts of clinical disease progression vary depending on the model used, which may be reflective of mechanistic differences of disease induction. The most reliable indicator of disease in both models remains intestinal damage which is typically evaluated upon experimental endpoint. Herein, we evaluated the expression profile of a panel of cytokines and chemokines in both DSS and T cell transfer models in an effort to identify a number of inflammatory markers in the blood that could serve as reliable indicators of the relative disease state. Out of the panel of 25 markers tested, 6 showed statistically significant shifts with the DSS model, compared to 11 in the T cell transfer model with IL-6, IL-13, IL-22, TNF-α and IFN-γ being common markers of disease in both models. Our data highlights biological differences between animal models of IBD and helps to guide future studies when selecting efficacy readouts during the evaluation of experimental IBD therapeutics.
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 ».