Using lung-on-a-chip to characterize HIF-1α-dependent inflammatory responses during acute <i>Streptococcus pneumoniae</i> infection
Notice bibliographique
Résumé
Abstract Current models used to study Streptococcus pneumoniae (SP) infections do not account for complex organ microenvironments or species-specific signaling pathways. To address this, we created a vascularized 3D lung-on-a-chip (LoC) that better recapitulates the physiologic lung, including cellular components, immune cell recruitment, blood flow, and oxygen tension. Hypoxia inducible factor 1-alpha (HIF-1α) is a transcription factor known to activate inflammatory pathways during infectious diseases, but its role in acute SP infection remains unclear. LoC was used to validate HIF-1α upregulation and characterize its role in immune cell recruitment. Whole human blood with fluorescently-labeled immune cells were perfused in LoC +/− BAY 87-2243 (HIF-1α chemical inhibitor). HIF1α-dependent inflammatory mediators involved in SP infection were identified by scRNA-seq and confirmed at the protein level by Western blot and ELISA. Preliminary studies of LoC stimulated with SP demonstrated HIF-1α early target gene activation. LoC showed increased CD15+-neutrophil recruitment from perfused whole blood in microvessels to tissue and airway during SP infection, partially mediated by HIF-1α. IL-17C was identified as the top differentially expressed gene activated by SP and 2D protein analysis showed increased IL-17C levels during HIF-1α knockdown, suggesting that HIF-1α is a negative regulator of IL-17C transcription. These preliminary findings suggest that HIF-1α mediates immune cell recruitment during acute SP infection and support the use of LoC as a pre-clinical human model that can identify key mediators during pneumonia.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».