MétaCan
Menu
Retour à la cohorte
Enregistrement W4403073219 · doi:10.7554/elife.102068.1

β-glucan reprograms alveolar macrophages via neutrophil/IFNγ axis to promote lung injury

2024· preprint· en· W4403073219 sur OpenAlexafffund
Renaud Prével, Erwan Pernet, Kim A. Tran, Abderrahmane Sadek, Mina Sadeghi, Elizabeth Lapshina, Leonardo F. Jurado, Arnold S. Kristof, Mohiéddine Moumni, Jérémie Poschmann, Maziar Divangahi

Notice bibliographique

RevueeLife · 2024
Typepreprint
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune responses and vaccinations
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchMcGill University Health Centre
Mots-clésLungAlveolar macrophageImmunologyCell biologyInnate immune systemGranulocyteMicrobiologyMacrophageChemistryBiologyMedicineImmune systemBiochemistryInternal medicineIn vitro

Résumé

récupéré en direct d'OpenAlex

Abstract Alveolar macrophages (AMs) reside in the lower airways and play a crucial role in lung health and response to sterile inflammation and infections. AMs possess remarkable adaptability to different environmental challenges that can persist through their memory capacity (trained immunity). β-glucan has been characterized as a potent inducer of trained immunity by reprogramming hematopoietic stem cells (HSCs) in the bone marrow generating trained innate cells with enhanced responsiveness. In the present study, we show that systemic administration of β-glucan reprograms alveolar macrophages (AMs) in the lung via neutrophils and IFNγ signalling, in a Dectin1-independent manner. We furthermore demonstrate that AM reprogramming at both the transcriptional and metabolic levels exacerbate lung injury following bacterial (LPS) or viral (polyI:C) challenges. These findings identify an additional facet of β-glucan in trained immunity involving AM reprogramming and shed light on the potential detrimental effects of trained immunity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,626
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,004

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,290
Écart entre enseignants0,280 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueeLifeMême sujetImmune responses and vaccinationsTravaux en français237 207