T regulatory cell therapy in transplantation
Notice bibliographique
Résumé
PURPOSE OF REVIEW: There is great hope that cellular therapy with regulatory T cells (Tregs) will be an effective way to induce alloantigen specific tolerance, ultimately allowing for reduction or elimination of nonspecific immunosuppression. In the past, considerable effort was focused on defining the optimal ways to isolate and expand Tregs from peripheral or cord blood. Now that expansion of therapeutically relevant numbers of Tregs is feasible, we need to consider what is going to happen to the cells when they are transferred in vivo. RECENT FINDINGS: For optimal function, Tregs must be able to traffic to the correct location(s) and, despite the presence of immunosuppressive therapy, live long enough to transfer their regulatory function to recipient T cells. Within the Treg pool, there are also functionally specialized subsets, identified by chemokine receptor expression and/or cytokine production, which control their trafficking and relative ability to suppress different types of T helper cells, respectively. Recent findings imply that the plasticity of appropriately obtained populations of Tregs may not be of as great concern as previously suggested. Experimental data have also provided evidence as to how one might design adjunctive treatment that best supports the viability and function of Tregs after transfer. SUMMARY: Knowledge of how Tregs work in transplantation comes from studies that do not recapitulate how these cells will be used in humans. There is a need to develop better preclinical models to study how the in-vivo function of human Tregs can be optimized to ensure they can meet the challenge of inducing transplantation tolerance.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».