Allergic inflammation triggers dyslipidemia via IgG signalling
Notice bibliographique
Résumé
BACKGROUND: Allergic diseases begin early in life and are often chronic, thus creating an inflammatory environment that may precede or exacerbate other pathologies. In this regard, allergy has been associated to metabolic disorders and with a higher risk of cardiovascular disease, but the underlying mechanisms remain incompletely understood. METHODS: We used a murine model of allergy and atherosclerosis, different diets and sensitization methods, and cell-depleting strategies to ascertain the contribution of acute and late phase inflammation to dyslipidemia. Untargeted lipidomic analyses were applied to define the lipid fingerprint of allergic inflammation at different phases of allergic pathology. Expression of genes related to lipid metabolism was assessed in liver and adipose tissue at different times post-allergen challenge. Also, changes in serum triglycerides (TGs) were evaluated in a group of 59 patients ≥14 days after the onset of an allergic reaction. RESULTS: We found that allergic inflammation induces a unique lipid signature that is characterized by increased serum TGs and changes in the expression of genes related to lipid metabolism in liver and adipose tissue. Alterations in blood TGs following an allergic reaction are independent of T-cell-driven late phase inflammation. On the contrary, the IgG-mediated alternative pathway of anaphylaxis is sufficient to induce a TG increase and a unique lipid profile. Lastly, we demonstrated an increase in serum TGs in 59 patients after undergoing an allergic reaction. CONCLUSION: Overall, this study reveals that IgG-mediated allergic inflammation regulates lipid metabolism.
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) | 0,002 | 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 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 ».