β-glucan enhances LPS-induced acute lung injury via alveolar macrophages reprogramming
Notice bibliographique
Résumé
<b>Introduction:</b> Acute respiratory distress syndrome is responsible for 400,000 deaths per year worldwide. Despite five decades of research, no immunomodulatory treatment has been proven to be effective. Trained immunity (TI) is the ability for the innate immune system to be reprogrammed by a first insult, without persistent inflammation, then providing an increased response to a second insult. The aim of this study is to confirm that TI could protect from acute lung injury (ALI). <b>Methods:</b> twelve weeks old C57BL/6J mice were intra-nasally instilled with 50μg and 100μg of LPS and with 50μg of poly(I:C), seven or thirty days after intra-peritoneal injection of a training agent (1mg of β-1,3-(D)-glucan). Alveolar macrophages (AM) depletion was obtained by intra-nasal clodronate instillation. AM adoptive transfer was performed in Csf2rb-/- pups. ALI was assessed by lung imaging, histology, alveolar-capillary permeability, pro-inflammatory cytokines production and inflammatory cells recruitment. AM reprogramming was assessed ex vivo by pro-inflammatory cytokines production, metabolism exploration and transcriptomics. <b>Results:</b> Lung injury is significantly increased in β-glucan trained mice compared to controls in LPS and poly(I:C) models with long-term persistence. Depletion of AM alleviates this increase in ALI which is restored after adoptive transfer of trained AM, demonstrating the direct role of AM in increased inflammatory responses. AM reprogramming was confirmed ex vivo with increased pro-inflammatory cytokines production after LPS stimulation and switch to glycolytic metabolism. <b>Conclusion:</b> β-glucan reprograms alveolar macrophages promoting acute lung injury after LPS challenge.
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 | 0,001 |
| 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) | 0,001 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».