Metabolic Reprogramming in Response to Freund’s Adjuvants: Insights from Serum Metabolomics
Notice bibliographique
Résumé
Freund’s adjuvants have been used in vaccine and autoimmune settings, and their effects can be overlapping or unique to each. While both incomplete Freund’s adjuvants (IFA) and complete Freund’s adjuvants (CFA) influence antibody and T cell responses, the robust T helper 1 cytokines induced by the mycobacterial components make CFA the powerful immunostimulating adjuvant. In these studies, the adjuvant effects are investigated in a select population of cells, and the changes, if any, with the metabolic alterations in the systemic compartment are unclear. We investigated whether the effects of IFA and CFA can be influenced by the metabolic shifts in mice immunized with saline, IFA, or CFA using Mycobacterium tuberculosis var. bovis Bacillus Calmette–Guérin (BCG) as a positive control. After seven days of immunization, we analyzed the serum metabolite profiles using liquid chromatography coupled with high-resolution mass spectrometry and multivariate statistical analysis to identify metabolic features between the groups. The data revealed that, in the scores space, the CFA and BCG groups were more closely aligned compared to the saline group, while the IFA group displayed an intermediate profile. Furthermore, comparisons between the CFA and BCG groups showed more significant perturbations in lipid and amino acid metabolism, particularly involving glycerophospholipids, cysteine, and aromatic amino acids. In contrast, comparisons between the BCG and IFA groups indicated a more pronounced disruption in central energy metabolism pathways, such as the citric acid cycle and pyruvate metabolism. Together, the data suggest that the serum metabolite profiles in response to IFA and CFA might play a role in modulating the immune responses.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».