Discrete and conserved inflammatory signatures drive thrombosis in different organs after <i>Salmonella</i> infection
Notice bibliographique
Résumé
Abstract Inflammation-induced thrombosis is a common consequence of bacterial and viral infections, such as those caused by Salmonella Typhimurium (STm) and SARS-CoV-2. The identification of multi-organ thrombosis and the chronological differences in its induction and resolution raises significant challenges for successfully targeting multi-organ infection-associated thrombosis. Here, we identified specific pathways and effector cells driving thrombosis in the spleen and liver following STm infection. Thrombosis in the spleen is independent of IFN-γ or the platelet C-type lectin-like receptor CLEC-2, while both molecules were previously identified as key drivers of thrombosis in the liver. Furthermore, we identified platelets, monocytes, and neutrophils as core constituents of thrombi in both organs. Depleting neutrophils or monocytic cells independently abrogated thrombus formation. Nevertheless, blocking TNFα, which is expressed by both myeloid cell types, diminished both thrombosis and inflammation which correlates with reduced endothelial expression of E-selectin and leukocyte infiltration. Moreover, tissue factor and P-selectin glycoprotein ligand 1 inhibition impair thrombosis in both spleen and liver, identifying multiple common checkpoints to target multi-organ thrombosis. Therefore, organ-specific, and broad mechanisms driving thrombosis potentially allow tailored treatments based on the clinical need and to define the most adequate strategy to target both thrombosis and inflammation associated with systemic infections.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».