Weak agonist self‐peptides promote selection and tuning of virus‐specific T cells
Notice bibliographique
Résumé
Recent progress has begun to define the interactions and signaling pathways that are triggered during positive selection. To identify and further examine self-peptides that can mediate positive selection, we searched a protein-database to find peptides that have minimal homology with the viral peptide (p33) that activates a defined P14 transgenic TCR. We identified four peptides that could bind the restriction element H-2D(b) and induce proliferation of P14 transgenic splenocytes at high concentration. Two of the four peptides (DBM and RPP) were able to positively select the virus-specific TCR in fetal thymic organ culture but were unable to induce clonal deletion. Reverse-phase HPLC and mass spectrometry demonstrated that these peptides were presented by H-2D(b) molecules on thymic epithelial cell lines. We also examined whether the selecting ligands altered T cell responsiveness in vitro. DBM-selected T cells lost their ability to respond to the positively selecting ligand DBM, whereas RPP-selected T cells only retained their ability to respond to high concentrations of RPP. These results demonstrate that self-peptides that mediate positive selection can differentially "tune" the activation threshold of T cells and alter the functional repertoire of T cells.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».