IL-10 Has A Distinct Immunoregulatory Effect on Naive and Active T Cell Subsets
Notice bibliographique
Résumé
Interleukin-10 (IL-10) has been identified as a key immunomodulatory cytokine on T cells. However, both immunosuppressive and immunostimulatory effects of IL-10 on T cells also have been reported. The discrepancy between these in vitro effects of IL-10 may be due to the different T cells (naive vs. active or resting active T cells) used under various experimental conditions in these studies. Therefore, it is necessary to clearly define the IL-10 effect on T cell subsets in their different statuses. In this study, we used a molecularly defined T cell system, the ovalbumin (OVA)-specific CD4(+) and CD8(+) T cells from transgenic OT-I and OT-II mice expressing OVA-specific T cell receptor (TCR). We investigated the effect of IL-10 on these OVA-specific T cell subsets in their different statuses (i.e., naive and active T cells). Our data demonstrate that IL-10 has distinct immunoregulatory effects on naive and active T cell subsets. IL-10 inhibits active CD4(+) T cell proliferation, whereas it stimulates and suppresses active CD8(+) T cell proliferation and cytotoxicity, respectively. IL-10-treated dendritic cells (DCs) stimulate anergic cytotoxic T lymphocyte-associated molecule-4 (CTLA)-4-expressing CD4(+) T cell responses possibly through downregulation of major histocompetibility complex (MHC) class II and costimulatory molecule expression on DCs. The anergic CD4(+) T cells suppress T cell proliferation mainly through a CTLA-4-mediated pathway. The distinct role of IL-10 on T cell subsets may be useful in designing T cell-based immunotherapy of cancer and infectious 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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».