Distinct Roles for IFN Regulatory Factor (IRF)-3 and IRF-7 in the Activation of Antitumor Properties of Human Macrophages
Notice bibliographique
Résumé
When properly activated, macrophages can be tumoricidal, thus making them attractive additions to standard cancer therapies. To this end, tolerance and activity of human autologous IFN-gamma-activated macrophages, produced in large scale for clinical use (MAK cells), have been assessed in pilot trials in cancer patients. In the present study, we tested the hypothesis that activation of IFN regulatory factor (IRF)-3 and IRF-7, with subsequent type I IFN production, may be involved in the acquisition of new antitumor functions by macrophages. Adenoviral vectors were generated for the delivery of constitutively active forms of IRF-3 (Ad-IRF-3) or IRF-7 (Ad-IRF-7) into primary human macrophages. Cell death was observed in Ad-IRF-3-transduced macrophages, whereas Ad-IRF-7-transduced macrophages produced type I IFNs and displayed increased expression of genes encoding tumor necrosis factor (TNF)-related apoptosis-inducing ligand, interleukin (IL)-12, IL-15, and CD80, persisting for at least 96 hours. Expression of iNOS, TNF-alpha, FasL, IL-1, and IL-6 genes was unaltered by Ad-IRF-7 transduction. Interestingly, Ad-IRF-3 or Ad-IRF-7 transduction negatively regulated the transcription of protumorigenic genes encoding vascular endothelial growth factor and matrix metalloproteinase-2. Furthermore, Ad-IRF-7-transduced macrophages exerted a cytostatic activity on different cancer cell lines, including SK-BR-3, MCF-7, and COLO-205; the latter cells were shown previously to be insensitive to MAK cells. In conclusion, transduction of active forms of IRF-3 or IRF-7 differentially modulate the apoptotic and antitumor properties of primary macrophages, with active IRF-7 leading to the acquisition of novel antitumor effector functions.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».