The Interactions of Multiple Cytokines Control NK Cell Maturation
Notice bibliographique
Résumé
Although NK cells are well known for their cytotoxic functions, they also produce an array of immunoregulatory cytokines and chemokines. During an immune response, NK cells are exposed to complex combinations of cytokines that influence their differentiation and function. In this study, we have examined the phenotypic and functional consequences of exposing mouse NK cells to IL-4, IL-12, IL-15, IL-18, and IL-21 and found that although all factors induced signs of maturation, characterized by decreased proliferation and IFN-γ secretion, distinct combinations induced unique cytokine secretion profiles. In contrast, the immunosuppressive factors IL-10 and TGF-β had little direct effect on NK cell effector functions. Sustained IL-18 signals resulted in IL-13 and GM-CSF production, whereas IL-12 and IL-21 induced IL-10 and TNF-α. Surprisingly, with the exception of IL-21, all cytokines suppressed cytotoxic function of NK cells at the expense of endogenous cytokine production suggesting that "helper-type" NK cells were generated. The cytokine signals also profoundly altered the cell surface phenotype of the NK cells-a striking example being the downregulation of the activating receptor NKG2D by IL-4 that resulted in decreased NKG2D-dependent killing. IL-4 exposure also modulated NKG2D expression in vivo suggesting it is functionally important during immune responses. This study highlights the plasticity of NK cell differentiation and suggests that the relative abundance of cytokines at sites of inflammation will lead to diverse outcomes in terms of NK cell phenotype and interaction with the immune system.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».