<i>In vivo</i> effects of cytokines on pancreatic β‐cells in models of type I diabetes dependent on CD4<sup>+</sup> T lymphocytes
Notice bibliographique
Résumé
CD4(+) T cells can actively kill beta-cells in type I diabetes as well as help CD8(+) T cells become cytolytic. Cytokines have the potential to kill beta-cells, or upregulate Fas on beta-cells, and increase their susceptibility to FasL. We investigated the direct effects of cytokines on beta-cells in perforin-deficient non-obese diabetic (NOD) mice and NOD4.1 TCR transgenic mice, two models in which CD8(+) T cells play a less dominant role. Inhibiting the effects of cytokines by the overexpression of suppressor of cytokine signalling-1 (SOCS1) in beta-cells did not reduce diabetes or insulitis in perforin-deficient NOD, NOD4.1 or interleukin (IL)-1 receptor-deficient NOD4.1 mice. SOCS1 overexpression prevented Fas upregulation on NOD4.1 beta-cells, but did not prevent islet destruction because SOCS1 transgenic islets were killed when grafted into NOD4.1.scid mice. Likewise, Fas-deficient NOD.lpr islets were destroyed in NOD4.1 mice. Although blocking the effects of interferon (IFN)gamma on beta-cells did not affect diabetes in NOD4.1 mice, global deficiency of IFNgammaR2 reduced diabetes and insulitis, suggesting that IFNgamma is involved in CD4(+) T-cell activation or migration. Our data show that beta-cells under attack by CD4(+) T cells are not destroyed by the effects of cytokines including IFNgamma and IL-1 or Fas-dependent cytotoxicity.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».