Synovial Fluid Extracellular Vesicles from Patients with Severe Osteoarthritis Differentially Promote a Pro-Catabolic, Inflammatory Chondrocyte Phenotype
Notice bibliographique
Résumé
Synovial inflammation is recognised as a pathological driver of osteoarthritis (OA), a degenerative joint disease involving cartilage degradation and joint pain. Since extracellular vesicles (EVs) have emerged as key mediators of cellular cross-talk, this study characterised synovial fluid EVs (SFEVs) in OA patients with varying disease severity and determined their functional effects on OA articular chondrocytes. Synovial fluid and articular cartilage were collected from patients undergoing knee surgery. SFEVs were isolated via ultracentrifugation and characterised by nanoparticle tracking analysis, ExoView, and Luminex analysis of protein cargo. Patients were stratified into mild/moderate- and severe-OA groups based on Oxford Knee Score and EQ5D. Chondrocytes were treated with SFEVs, and transcriptomic and secretome responses were analysed using RNA sequencing, Luminex, and ELISA. SFEVs from patients with severe OA were more abundant, smaller and exhibited increased tetraspanin expression. Synovial fluid and SFEVs induced distinct transcriptomic changes in chondrocytes. SFEVs from patients with severe OA promoted a pro-inflammatory and catabolic chondrocyte phenotype, with upregulation of CRTAC1, COL6A3, TNC, and CXCL5, greater secretion of IL-6, MMP1, MMP3 and MMP13, and pro-nociceptive mediators (NGF and Substance P). These findings suggest that SFEVs may contribute to OA progression by exacerbating cartilage damage and promoting pain sensitisation.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».