Electrophysiological and Proteomic Evidence of Protease-Mediated Pro-nociceptive Signaling in Inflammatory Bowel Disease Patients
Notice bibliographique
Résumé
Abdominal pain is a debilitating symptom of inflammatory bowel disease (IBD). Despite advances in understanding IBD pathology, the mechanisms underlying pain remain poorly defined. While studies of tissue biopsies from IBD patients and rodent models have highlighted the roles of proinflammatory cytokines and proteases in pain signaling, these approaches predominantly capture host-derived mediators, overlooking the broader luminal environment influenced by the microbiota. Given the compromised barrier in IBD leading to increased mucosal permeability, examining the luminal milieu would characterize a novel source of factors involved in pain modulation in IBD patients with active disease. Fecal supernatants (FS) from healthy volunteers (HV) of either sex had no effect on ex vivo colonic afferent nerve mechanosensitivity or in vitro dorsal root ganglia (DRG) neuron excitability. In contrast, FS from Crohn's disease (CD) and ulcerative colitis (UC) patients of either sex significantly excited colonic afferent nerves and increased mechanosensitivity ex vivo and increased DRG neuronal excitability in vitro. These were blocked by the serine protease inhibitor and a protease-activated receptor 2 (PAR 2 ) antagonist. Proteomic analysis revealed IBD FS contained elevated levels of trypsin- and elastase-like serine proteases compared with HV FS. Proteomics identified CELA3B, ELA2A, and PRSS1 as key proteases enriched in IBD FS, with distinct activity profiles in UC and CD. These findings establish that proteases within FS from IBD patients directly modulate pain-sensing pathways by activation of PAR 2 on colonic afferent nerves, offering a unique insight into luminal contributions to pain and identifying potential therapeutic targets for visceral hypersensitivity in IBD.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».