Extracellular vesicles in sputum of children with cystic fibrosis pulmonary exacerbations
Notice bibliographique
Résumé
Background The aim of this study was to quantify mediators of neutrophilic inflammation within airway extracellular vesicles (EVs) of children treated for a cystic fibrosis (CF) pulmonary exacerbation (PEx). Methods EVs were isolated from stored sputum samples collected before and after antibiotic therapy for PEx between 2011 and 2013, and characterised by nanoparticle tracking analysis (NTA) and transmission electron microscopy (TEM). Western blot analysis of EV protein extracts was used for EV canonical protein markers CD63, CD9 and flotillin-1 (FLOT1), as well as neutrophil elastase (NE), myeloperoxidase (MPO) and interleukin-8. The EV content of NE and MPO were expressed as ratios of NE/FLOT1 and MPO/FLOT1 protein band densities. Results Sputum samples from 21 children aged 13.3 (range 8.0–17.0) years were analysed. NTA showed high concentrations of particles at the size of small EVs (50–200 nm), and typical EV morphology was confirmed by TEM. CD63, CD9 and FLOT1 were detectable in all samples. Median (interquartile range (IQR)) NE/FLOT1 increased from 2.46 (1.68–5.25) before to 6.83 (3.89–8.89, p<0.001) after PEx therapy, and median (IQR) MPO/FLOT1 increased from 2.30 (1.38–4.44) before to 5.76 (3.45–6.94, p<0.01) after, while EV size remained unchanged. Improvement in lung function (percent predicted forced expiratory volume in 1 s (ppFEV 1 )) with PEx therapy correlated with NE EV content (r=0.657, p=0.001). Conclusions Airways of children with CF contain EVs that carry NE and MPO as cargo. The lower NE and MPO content at the time of PEx, compared with after therapy, and the correlation with pulmonary function suggest both a functional role of EVs in CF airway inflammation and the potential of EVs as a biomarker to monitor CF lung disease.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».