Nano-scale viscometry reveals an inherent mucus defect in cystic fibrosis
Notice bibliographique
Résumé
Abstract Abnormally viscous and thick mucus is a hallmark of cystic fibrosis (CF). How the genetic defect causes abnormal mucus in CF remains unanswered and a question of paramount interest. Mucus is produced by hydration of gel-forming mucin macromolecules that are stored in secretory granules prior to release. Current understanding of mucin/mucus structure before and after secretion remains limited and contradictory models exist. Here we used a molecular viscometer and fluorescence lifetime imaging of primary epithelial cells (Normal and CF) to measure nanometer-scale viscosity. We found significantly elevated intraluminal nanoviscosity in a population of CF mucin granules, indicating an intrinsic, pre-secretory, mucin defect. Validation experiments showed that high nanoviscosity in cellular environments is mainly due to the low mobility of water that hydrates macromolecules. Nanoviscosity influences protein conformational dynamics and function. Its elevation along the protein secretory pathway indicates molecular overcrowding and is expected to alter mucin’s post-translational processing, hydration, and mucus rheology after release. The nanoviscosity of extracellular CF mucus was elevated compared to non-CF mucus. Remarkably, it was higher after secretion than in granules, which suggests mucins have a weakly-ordered state in granules and adopt a highly-ordered, nematic crystalline structure extracellularly. This challenges the classical view of mucus as a porous agarose-like gel and suggests an alternative model for mucin organization before and after secretion. Our study also suggests that endoplasmic reticulum stress due to molecular overcrowding contributes to mucus pathogenesis in CF cells. It encourages the development of therapeutics that target pre-secretory mechanisms in CF and other muco-obstructive lung 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 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».