Harnessing Kupffer Cell Metabolic Rewiring: Rapamycin–Gliadin Nanoparticle as a Pivotal Strategy for Immune Tolerance in Celiac Disease
Notice bibliographique
Résumé
Celiac disease (CeD), triggered by gliadin exposure, necessitates therapeutic strategies that establish an antigen-specific immune tolerance. This study explores the therapeutic efficacy and mechanism of rapamycin–gliadin composite nanoparticles (PLN-GR) for CeD treatment. In vivo analyses demonstrated the efficient uptake of PLN-GR by antigen-presenting cells (APCs), particularly Kupffer cells and splenic dendritic cells (DCs), driving their tolerogenic phenotypic transformation. In a murine CeD model, PLN-GR administration significantly enhanced gluten tolerance and mitigated intestinal inflammation, as indicated by reduced paw edema and improved histopathological parameters. Mechanistically, PLN-GR induced macrophage metabolic reprogramming from glycolysis to oxidative phosphorylation, concomitant with elevated serum itaconate levels. This metabolic shift potentiated interorgan immunoregulatory crosstalk, expanding PD-L1 + tolerogenic splenic DCs while suppressing pathogenic Th1 cell populations. Bone marrow-derived macrophages (BMDMs) from Acod1 –/– mice (deficient in itaconate synthesis) failed to induce DC tolerance upon PLN-GR treatment. However, supplementation with the itaconate derivative 4-octyl itaconate (4-OI) restored PD-L1 expression in DC2.4 cells in vitro, revealing that itaconate induces and stabilizes the tolerant DC phenotype. These findings underscore PLN-GR as a novel nanotherapeutic platform for CeD, achieving gliadin-specific tolerance through hepatic–splenic immunometabolic reprogramming and itaconate-dependent PD-L1 regulation, thereby offering a translatable strategy for autoimmune disease management.
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) | 0,000 | 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 ».