TLR9 modulates peritoneal immunity via regulating the biology of CD9hi fibroblastic reticular cells
Notice bibliographique
Résumé
Abstract Fibroblastic reticular cells (FRC) are highly heterogeneous. Distinct FRC subsets play unique roles in the formation of secondary lymphoid organs and immune responses. We have previously shown that TLR9 signaling plays a critical role in regulating peritoneal immunity via suppressing chemokine production in FRC in the fat associated lymphoid clusters (FALC). However, the subset-specific roles of TLR9 in FRC of FALCs remain unknown. Using single-cell RNA-sequencing, we identified three distinct subsets of FRC (CD55hi, CD9hi and CD55loCD9lo) in mouse mesenteric FALCs at baseline. Based on the gene set enrichment analysis, the Cd55hi subset was enriched in gene expression related to cell differentiation. The CD9hi subset was enriched in gene expression related to immune response. The CD55loCD9lo subset was enriched in the gene expression related to extracellular matrix formation. Furthermore, we found that CD9hi FRC from Tlr9−/− mice increased gene expression associated with inflammation. Using flow cytometry and bulk-RNA seq, we successfully isolated and validated these three subsets in mouse FALCs. Interestingly, activation of TLR9 signaling using ODN1585 significantly decreased CD9 expression in FRC in vivo and in vitro. Furthermore, treatment of ODN1585 suppressed the proliferation of CD9hi FRC, evidenced by decreased expression of Ki67. These results indicate that CD9hi FRC in FALC are immunoregulatory. TLR9 signaling may modulate peritoneal immunity via regulation of the proliferation of CD9hi FRC. Understanding the mechanism of how TLR9 regulates CD9hi FRC may lead to discovering new therapies for inflammatory diseases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».