Cross-sectional analysis of blood leukocyte responsiveness to interleukin-10 and interleukin-6 across age and physical activity level
Notice bibliographique
Résumé
Abstract Objectives To determine how the anti-inflammatory actions of interleukin-10 (IL-10) and IL-6 differ across age and physical activity levels. Methods Using a cross-sectional design, fasted blood samples were obtained from younger physically inactive (YI: n=10, age: 22.7 ± 3.7 years, BMI: 24.8 ± 4.8 kg/m 2 , <150 min of weekly moderate-to-vigorous physical activity [MVPA]), younger highly active (YA: n=11 varsity cross country running athletes, 20.7 ± 2.7 years, 21.1 ± 1.8 kg/m 2 , >300 min of weekly MVPA), and older highly active (OA: 12, 56.0 ± 10.3 years, 22.8 ± 3.2 kg/m 2 , >300 min of weekly MVPA) individuals and analyzed for leukocyte counts, IL-10 and IL-6-related signaling, and cytokine secretion ex vivo. Results Total white blood cells and monocytes were similar between groups (p=0.8) but YA and OA had lower lymphocyte counts than YI (p<0.01). The ability of IL-10 (1 ng/mL) to phosphorylate signal transducer and activator of transcription 3 (STAT3) in CD14 monocytes was greater in YA vs. YI (p<0.03) despite YA having lower IL-10 receptor expression (p<0.01). IL-6 (10 ng/mL) mediated STAT3 phosphorylation in CD4 lymphocytes was higher in OA compared YI (p<0.01), with a similar tendency observed for YA vs. YI (p=0.08). Despite enhanced responsiveness of STAT3 to IL-10/6 in active individuals, the ability of IL-10/6 to inhibit tumor necrosis factor-alpha (TNF-⍺) secretion from lipopolysaccharide-stimulated whole-blood was similar between groups. Conclusions Highly active younger and older individuals demonstrate enhanced IL-10- and IL-6-mediated activation of immune cell STAT3. Although the ability of IL-10/6 to inhibit TNF-⍺ secretion appeared unimpacted by activity level, anti-inflammatory cytokine actions were preserved in older active individuals.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».