Modulation of autoimmune diseases by interleukin (IL)-17 producing regulatory T helper (Th17) cells.
Notice bibliographique
Résumé
Following the discovery of interleukin (IL)-17 producing T helper (Th17) cells as a distinct lineage of CD4+ T helper cells it became clear that these cells play an important role in the host defense against extracellular fungal and bacterial pathogens and participate in the pathogenesis of multiple inflammatory and autoimmune disorders. Depending on the microenvironment, Th17 cells can alter their differentiation programme ultimately giving rise to either protective or pro-inflammatory pathogenic cells. We found that besides the conventional in vitro protocol for Th17 differentiation by transforming growth factor-beta (TGF-β) plus IL-6 cytokines, a combination of IL-23 plus IL-6 can also induce Th17 cells. The Th17 cells induced by IL-23 plus IL-6 (termed as effector Th17, Teff17 cells) are pathogenic upon adoptive transfer into non-obese diabetic (NOD) mice contributing to the development of type 1 diabetes (T1D) while cells induced by TGF-β plus IL-6 (termed as regulatory T cells, Treg17 cells) are non pathogenic and regulatory, and suppressed the pathogenic T cells in T1D. These cells differentially expressed a number of cytokines where Teff17 cells exhibited an increase in granulocyte-macrophage colony-stimulating factor (GM-CSF) and IL-22 whereas Treg17 cells demonstrated increased expression of IL-21 and immunosuppressive cytokine IL-10. Differentiation of Th17 cells is controlled by a transcription factor, RORγT although these cells also express variable levels of T-bet and FoxP3 transcription factors. This points to a dual functional role of Th17 subsets in autoimmune diseases particularly T1D. We suggest that similar to conventional regulatory T cells (Treg), induction of regulatory Treg17 cells could play an important role in modulating and preventing certain autoimmune diseases.
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 | 0,000 | 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 ».