《科学家发现隐藏的肺流感战士大军》

  • 来源专题:新发突发传染病
  • 编译者: 张玢
  • 发布时间:2024-02-18
  • 科学家们长期以来一直认为我们肺部周围的充满液体的囊泡仅仅是为了缓冲外部伤害。事实证明,它还容纳着能够在流感感染期间冲入肺部的强效吞噬病毒细胞。

    这些细胞不应与感染细菌的病毒噬菌体混淆,它们是巨噬细胞,是身体产生的免疫细胞。

    “巨噬细胞的名称意味着‘大食家’。它们吞噬细菌、病毒、癌细胞和垂死细胞。实际上,任何看起来陌生的东西,它们都会吞噬并摧毁它,”领导这一发现团队的加州大学河滨分校病毒学家朱丽叶·莫里森说。 “我们惊讶地发现它们存在于肺部,因为以前没有人见过这种情况,也就是说这些细胞在发生感染时会进入肺部。”

    发表在《美国国家科学院院刊》上的一篇论文详细介绍了在流感感染期间,巨噬细胞离开外部腔体并穿过肺部,减少炎症并降低疾病水平的过程。

    “这项研究表明,重要的不仅仅是肺部发生的情况,还有肺部外部的情况。通常与肺部不相关的细胞类型对肺部疾病和健康可能产生重大影响,”莫里森说。

    人体有三个主要腔体:一个围绕心脏,一个是腹腔,还有一个围绕肺部的胸膜腔。“由于它含有液体,可以防止肺部塌陷。然而,人们对胸膜腔本身作为一个完整器官的看法并不深入。这项研究可能会改变人们对这一看法,”莫里森说。

    研究人员最初的目标是了解在流感感染期间肺部存在哪些类型的细胞。他们利用来自死于流感或幸存下来的小鼠研究的肺部相关基因的现有数据。然后,他们使用算法挖掘数据,以预测在感染期间肺部发生变化的细胞类型。

    “我们利用大数据,将其分解,以确定潜在的免疫细胞存在于肺组织中。这就是我得到的线索,也许我们在肺部有一个以前未知的外部细胞来源,” Morrison说道。

    接下来,该团队使用基于激光的技术,追踪巨噬细胞进入小鼠的肺部,并观察如果将这些细胞排除在外会发生什么。“当你将它们从小鼠身上取出时,你会看到更多的疾病和肺部炎症,” Morrison说。

    Morrison表示,她希望这项研究能鼓励其他科学家重新评估旧研究的数据集。“我们的方法是利用已有的信息并加以新的运用,我们能够发现一些新的东西,”她说。

    未来,研究团队希望确定哪些蛋白质“告诉”巨噬细胞移动到肺部。一旦识别出蛋白质信号,可能就有可能创造出能够增加巨噬细胞数量或活性的药物。

    增强人体对感染的防御策略,而不是开发另一种抗病毒药物,可能会为人们提供更长效的流感治疗。Morrison对宿主治疗产生兴趣是因为抗生素和抗病毒药物的耐药性是一个日益严重的问题。

    当细菌和真菌等病菌发展出能够抵抗杀死它们的药物时,就会出现这个问题。药物的滥用和过度使用正在加剧这个问题。根据美国疾病控制和预防中心的数据,每年在美国发生超过280万例耐药感染,导致超过3.5万人死亡。

    “如果我们能增强我们身体内解决感染的能力,我们可能有更好的机会。我们更不太可能产生耐药性。免疫系统非常复杂,但从长远来看,与其追逐不断逃避我们治疗的病毒,与其合作利用我们所拥有的,可能是我们的最佳选择,” Morrison说。

    Pleural macrophages translocate to the lung during infection to promote improved influenza outcomes, Proceedings of the National Academy of Sciences (2024). DOI: 10.1073/pnas.230047412

  • 原文来源:https://medicalxpress.com/news/2024-02-scientists-hidden-army-lung-flu.html
相关报告
  • 《科学家在MS症状出现前几年就发现了隐藏的脑损伤》

    • 来源专题:人工智能
    • 编译者:高楠
    • 发布时间:2025-10-24
    • UCSF的研究人员发现,多发性硬化症在症状出现前几年就开始攻击大脑,不同的蛋白质标记物发出免疫攻击的信号。这一发现可能会彻底改变早期检测和预防。 当大多数人开始寻求多发性硬化症(MS)的帮助时,这种疾病已经悄悄地伤害大脑多年了。直到最近,科学家们还不确定哪些细胞最先受到影响,或者损伤何时真正开始。 追踪疾病最早的发作 加州大学旧金山分校的研究人员现在通过分析血液中循环的数千种蛋白质,提供了迄今为止最详细的时间表。他们的发现表明,免疫系统开始攻击大脑的保护性髓鞘-绝缘神经纤维的脂肪覆盖物-比科学家们曾经认为的要早得多。 研究小组测量了免疫攻击留下的髓磷脂和其他分子的片段,以及驱动免疫系统反应的化学信号。这项工作让他们第一次勾勒出最终导致多发性硬化症发作的生物事件链。 这一发现打开了早期诊断的大门,并且在未来可能使预防成为可能。 身体的早期预警信号 研究表明,多发性硬化症首先针对髓鞘。大约一年后,潜在神经纤维本身受损的证据开始出现。在这个初始阶段上升的免疫相关蛋白中,有一种非常突出:IL-3。这种分子在疾病早期阶段起着重要作用,此时中枢神经系统已经受到严重损害,尽管患者尚未出现症状。IL-3有助于将免疫细胞招募到大脑和脊髓中,在那里它们开始攻击神经组织。 “我们认为我们的工作为多发性硬化症的诊断、监测和可能的治疗打开了无数的机会,”UCSF大学神经病学助理教授,医学博士Ahmed Abdelhak说,他是发表在《自然医学》10月20日。“这可能会改变我们理解和管理这种疾病的方式。” 在确诊前几年追踪血液线索 研究人员分析了134名最终患有多发性硬化症的人的血液样本中的5000多种不同蛋白质。这些样本来自美国国防部血清库,该库储存了军队申请人的血液。因为储存库保存了几十年的样本,科学家们能够在这些人被诊断之前几年检查抽取的血液。 在诊断前七年,研究人员检测到一种称为MOG(髓鞘少突胶质细胞糖蛋白)的蛋白质出现尖峰,这是神经纤维周围髓鞘绝缘受损的信号。大约一年后,他们观察到神经丝轻链的增加,这是神经纤维本身损伤的标志。 在同一时间段,IL-3和几种相关的免疫蛋白出现在血液中,表明免疫攻击已经开始。 为预测性血液检测奠定基础 该小组总共确定了大约50种蛋白质,可以作为MS的早期指标。此后,他们根据21种最可靠的标记物,为诊断血液测试提交了专利申请。 Ari Green,医学博士,UCSF神经科神经免疫学和神经胶质生物学部门的负责人,也是这项研究的资深作者,说这项发现可以重塑医生预防和治疗的方法。 “我们现在知道,多发性硬化症比临床发作早得多,这为我们有朝一日预防多发性硬化症创造了真正的可能性——或者至少利用我们的了解来保护人们免受进一步的伤害。” 作者:其他UCSF作者有Gabriel Cerono(医学博士)、Kiarra Ning、John Boscardin(博士)、The ORIGINS Study(UCSF起源研究)、Christian Cordano(医学博士)、Asritha Tubati(博士)、Camille Fouassier、Eric D. Chow(博士)、Refujia Gomez、Adam Santaniello、Kelsey C .左恩(MHS)、Jill A. Hollenbach(博士)、MPH、Jorge R. Oksenberg(博士)、Bruce A.C. Cree(医学博士)、MAS、Stephen L. Hauser(医学博士)、Jonah R
  • 《《Science》:美科学家发现了近200万次“隐藏”地震》

    • 来源专题:中国科学院文献情报系统—海洋科技情报网
    • 编译者:liguiju
    • 发布时间:2019-05-06
    • 加州大学圣地亚哥分校斯克里普斯海洋研究所(Scripps)的地震学家们通过分析南加州的地震数据,发现了2008年至2017年间发生的数十万次此前未被确认的小地震,该研究成果已于4月18日发表在《科学》(Science)期刊上。 这项研究主要是对2.0级至1.7级之间的微小地震进行分类,使得地震目录扩大了10倍,从约18万次有记录的地震增加到180多万次。新的数据显示,南加州每天大约有495次地震,平均每三分钟发生一次——比以前的地震记录要快得多。这些“隐藏”地震非常小以至于很难在地震数据的背景噪声中发现。 主要研究作者、加州理工学院地球物理学博士后Ross提到,他们并不是不知道这些小地震正在发生。问题是,在这么多噪声中,它们很难被发现。地震学家一直幸运地拥有来自世界各地地震台站的大量数据。直到现在我们的计算工具才开始充分利用地震记录中的所有信息。 为了解决低信噪比的问题,研究小组采用了一种被称为“模板匹配”的技术,更大、更容易识别的地震被用作模板,以说明给定位置的地震信号应该是什么样的。当找到一个可能与之匹配的波形时,研究人员就会扫描附近地震仪的记录,看看地震信号是否在其他地方被记录下来,并能得到独立的验证。 研究人员称,模板匹配在地震检波器间隔较近的地区效果最好,因为地震事件通常只与半径在1至2英里范围内的其他地震相互关联。此外,由于该过程是计算密集型的,所以在过去它仅限于更小的数据集。 依靠200个强大的图形处理单元(GPUs)连续工作数周,研究人员可以扫描目录、探测新的地震并验证他们的发现。沿着一条断层的地震活动会影响断层及其周围的地震,而这幅南加州地震活动图片将会对其运作方式有了新的认识。扩展的地震目录揭示了大地震之前未被发现的前震以及地震群的演化。更丰富的数据集将使科学家更清楚地了解地震事件该地区如何产生影响和发生移动。 (刘思青 编译) 图片源自网络