Fibrinogen primes the microglial NLRP3 inflammasome and propagates pro-inflammatory signaling via extracellular vesicles: Implications for blood-brain barrier dysfunction
Notice bibliographique
Résumé
The brain's response to acute injury is characterized by increased permeability of the blood-brain barrier (BBB) and pro-inflammatory microglia signaling, both of which have been linked to poor cognitive outcomes and neurological disease. The damaged BBB has increased leakiness, allowing serum proteins like fibrinogen into the brain, which interacts with local cells in a deleterious manner. At the same time, in response to injury, microglia demonstrate increased NLRP3 inflammasome activity and heightened release of pro-inflammatory cytokines. The relationship between increased fibrinogen uptake and microglial inflammasome signaling in the injured brain has not been well described. In this work, we investigate fibrinogen mediated NLRP3 inflammasome priming of BV-2 cells and primary adult microglia and propose a role for extracellular vesicles (EVs) as propagators of this interaction. Following exposure to fibrinogen microglia significantly upregulate transcription of IL-1β, IL-6, NLRP3 and other pro-inflammatory cytokines which was sustained by repeated fibrinogen exposure. Inhibition of fibrinogen mediated NLRP3 signaling was achieved at the transcriptional and assembly level using cannabidiol (CBD) and the NLRP3 inhibitor MCC950, respectively. EVs released following NLRP3 priming carry IL-1β, IL-18 mRNA and fibrinogen, propagate inflammatory signaling and can be detected in the circulation following BBB disruption in a preclinical stroke model. In conclusion, the interplay between fibrinogen extravasation, microglial NLRP3 signaling, and EV release can perpetuate chronic pro-inflammatory signaling and represents a novel method of inflammatory propagation.
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 ».