Self-assembly of Tyrosine-containing Peptides into Injectable Hydrogels with Distinct Nanostructures is Key in Determining Inflammatory Response of Macrophages
Notice bibliographique
Résumé
Self-assembling peptides (SAPs) are fully defined nanobiomaterials offering unprecedented opportunities to control nanostructure and chemical attributes to investigate and manipulate cellular signals. To investigate the influence of chemical and morphological characteristics on inflammatory signalling in native immunity, we designed five beta-sheet SAPs: EFEFKFEFK (EF8), YEFEFKFEFK (YEF8), YEFEFKFEFK (EF8Y), YEFEFKFEFK (YEF8Y) and EYEFKFEFK (EYF8) (F: phenylalanine; E: glutamic acid; K: lysine, Y: tyrosine). The position of tyrosine in the peptide sequence dictated the distinct self-assembly into nanostructures, with sequences EF8Y, YEF8Y, EYF8 self-assembling into thin nanofibers d≈3.8 ± 0.2 nm, YEF8 self-assembling into rod-like flat ribbons d>20 nm and EF8 (control) consisting of both types of self-assembled nanostructures. These distinct nanostructures induced contrasting inflammatory response of monocytic model THP-1 cells-derived macrophages (MΦs). Presence of soluble EF8 nanofibers (at 2 mM) induced anti-inflammatory response and polarization towards an M2 state, whereas YEF8 displayed tendency for inducing pro-inflammatory response and polarization towards M1 state. The EF8Y, YEF8Y, EYF8 SAPs did not induce an inflammatory response in our models. These results were validated using peripheral blood mononuclear cells (PBMCs)-derived MΦs from human donors, confirming the critical role of the EF8 and YEF8 SAPs as possible orchestrators of the repair of tissues or inducers of pro-inflammatory state, respectively. These findings will facilitate the utilization of this family of SAPs as immunomodulatory nanobiomaterials potentially changing the course of inflammation during the progression of various 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».