MétaCan
Menu
Retour à la cohorte
Enregistrement W1977102645 · doi:10.1073/pnas.0306567101

Costimulatory ligand 4-1BBL (CD137L) as an efficient adjuvant for human antiviral cytotoxic T cell responses

2004· article· en· W1977102645 sur OpenAlexaff
Jacob Bukczynski, Tao Wen, Kim Ellefsen, Jack Gauldie, Tania H. Watts

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2004
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensUniversité de MontréalMcMaster UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCytotoxic T cellGranzymePerforinBiologyGranzyme BInterleukin 21Antigen-presenting cellIL-2 receptorCD8T cellAdjuvantImmunologyAntigenVirologyImmune systemIn vitroBiochemistry

Résumé

récupéré en direct d'OpenAlex

Effective adjuvants capable of inducing strong cytotoxic T cell responses in humans are lacking. In this study, we tested 4-1BBL as an adjuvant for activation of human memory antiviral CD8 T cell responses ex vivo. A recombinant replication-defective 4-1BBL adenovirus was used to convert autologous monocytes into efficient antigen-presenting cells after overnight incubation, bypassing the need to generate dendritic cells. Together with viral peptides, 4-1BBL led to robust memory responses of human Epstein-Barr virus- and influenza virus-specific cytotoxic T cells, with expansion of peptide-specific CD8 effector cells; up-regulation of Bcl-x(L), granzyme A, and perforin; enhanced cytotoxic activity; and increased cytokine production. The response was significant even at a 100-fold lower peptide dose, compared with responses obtained with control adenovirus. Adenovirus-delivered B7.1 also expanded and activated virus-specific CD8 T cells, but 4-1BBL was more effective in driving the T cells toward a more fully differentiated CD27(-) effector state. Thus, 4-1BBL is a promising adjuvant for human memory CD8 T cells and will likely be most effective in the boost phase of a prime-boost strategy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,561

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,319
Écart entre enseignants0,286 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations106
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetImmunotherapy and Immune ResponsesTravaux en français237 207