Dysfunctional crosstalk between macrophages and fibroblasts under LPS-infected and hyperglycemic environment in diabetic wounds
Notice bibliographique
Résumé
Diabetic wounds, especially diabetic foot ulcers, present a major clinical challenge due to delayed healing and prolonged inflammation. Macrophage-fibroblast interactions are essential for wound repair, yet this crosstalk is disrupted in diabetic wounds due to hyperglycemia and bacterial infection. This study investigates the dysfunctional communication between macrophages and fibroblasts, focusing on autocrine, paracrine, and juxtacrine signaling in simulated diabetic environments. Using monoculture and co-culture models of THP-1-derived macrophages and primary human dermal fibroblasts, we simulated conditions of normal glucose, LPS-induced infection, high glucose (with AGEs), and combined high glucose (with AGEs) and LPS. Macrophages in hyperglycemic and LPS-infected environments exhibited a pro-inflammatory M1 phenotype with elevated expression of CD80, and STAT1 and increased production of IL-1β, TNF-α, and MMP9. Fibroblast migration was significantly impaired under high glucose conditions, particularly in paracrine model. Secretome profiling showed heightened pro-inflammatory cytokines and proteases, with reduced anti-inflammatory markers (IL-10 and VEGF-A) under hyperglycemic conditions. Paracrine signaling exacerbated the inflammatory response, while juxtacrine signaling showed more moderate effects, conducive to healing. These findings highlight the pathological macrophage-fibroblast crosstalk in diabetic wounds, particularly under hyperglycemic and LPS-infected conditions, offering insights for potential immunomodulatory therapies aimed at restoring effective signaling and improving wound healing outcomes.
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 | 0,000 |
| 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 ».