Renal Tubular Epithelial Cell Self-Injury Through Fas/Fas Ligand Interaction Promotes Renal Allograft Injury
Notice bibliographique
Résumé
Tubular epithelial cells (TECs) coexpress Fas and Fas ligand (FasL), which could influence renal allograft injury. While TECs can resist apoptosis by Fas antibody, TEC apoptosis by contact with adjacent TECs has not been studied. Fas expression increased in TECs with cytokine treatment (IFN-gamma, TNF-alpha) while abundant FasL levels were not altered. Apoptosis (Annexin-V, DNA fragmentation) occurred in cytokine-treated TECs monolayers from C3H-HeJ mice by 24 h, but was absent in similarly treated TECs from Fas-deficient (lpr) or FasL-mutant (gld) mice, suggesting that 'self injury' occurred through Fas/FasL. Membrane labeling of TECs in cocultures confirmed that FasL-bearing TECs induced apoptosis when in contact with Fas-bearing TECs. Culturing TECs with allogeneic C57BL/6 (H-2b) splenocytes resulted in apoptosis and elimination of C3H-HeJ TECs by 48 h, with enhanced survival and reduced apoptosis using lpr or gld TECs. In a renal allograft model, survival of C57BL/6 recipients was greater (p < 0.05) and renal function improved (p < 0.001) using C3H-lpr or C3H-gld (H-2 k) donor kidneys compared with C3H-HeJ kidneys. These data demonstrate for the first time that cytokine-activated TECs can injure TECs through expression of functional FasL and Fas. We suggest that inhibition of TEC-TEC 'self injury' may be a novel strategy to augment renal allograft survival.
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 | 0,000 |
| 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 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 ».