Low NKp30, NKp46 and NKG2D expression and reduced cytotoxic activity on NK cells in cervical cancer and precursor lesions
Notice bibliographique
Résumé
BACKGROUND: Persistent high risk HPV infection can lead to cervical cancer, the second most common malignant tumor in women worldwide. NK cells play a crucial role against tumors and virus-infected cells through a fine balance between activating and inhibitory receptors. Expression of triggering receptors NKp30, NKp44, NKp46 and NKG2D on NK cells correlates with cytolytic activity against tumor cells, but these receptors have not been studied in cervical cancer and precursor lesions. The aim of the present work was to study NKp30, NKp46, NKG2D, NKp80 and 2B4 expression in NK cells from patients with cervical cancer and precursor lesions, in the context of HPV infection. METHODS: NKp30, NKp46, NKG2D, NKp80 and 2B4 expression was analyzed by flow cytometry on NK cells from 59 patients with cervical cancer and squamous intraepithelial lesions. NK cell cytotoxicity was evaluated in a 4 hour CFSE/7-AAD flow cytometry assay. HPV types were identified by PCR assays. RESULTS: We report here for the first time that NK cell-activating receptors NKp30 and NKp46 are significantly down-regulated in cervical cancer and high grade squamous intraepithelial lesion (HGSIL) patients. NCRs down-regulation correlated with low cytolytic activity, HPV-16 infection and clinical stage. NKG2D was also down-regulated in cervical cancer patients. CONCLUSION: Our results suggest that NKp30, NKp46 and NKG2D down-regulation represent an evasion mechanism associated to low NK cell activity, HPV-16 infection and cervical cancer progression.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».