Comparison of the Effect of Standard and Novel Immunosuppressive Drugs on CMV-Specific T-Cell Cytokine Profiling
Notice bibliographique
Résumé
BACKGROUND: Data on how different immunosuppressive drugs affect cytomegalovirus (CMV)-specific T-cell responses may help guide more rational modification of immunosuppression in patients with CMV replication. We assessed the in vitro effects of individual standard and novel immunosuppressive drugs on a broad range of CMV-specific T-cell responses. METHODS: Peripheral blood mononuclear cells from healthy CMV-seropositive donors were preincubated with serial dilutions of tacrolimus, mycophenolate (MPA), sirolimus, tofacitinib, and belatacept. CMV-pp65 or CMV-pp72 peptide pools were used for stimulation. CMV-specific cytokine (Th1 and Th2) and chemokine responses were determined (a total of 5400 measurements). P<0.01 was set as significant. RESULTS: After CMV stimulation, dose-dependent suppression of Th1, Th2, and chemokines was seen, but significant differences between drugs were present. For example, tacrolimus was more potent in inhibiting CMV-specific Th1 cytokines versus Th2, whereas MPA preferentially inhibited Th2 cytokines. In a comparison of the relative potency of each drug at different dosing ranges, tacrolimus had the strongest Th1 inhibitory effect (median inhibition of interferon-γ at 97.5%; P=0.004-0.008) followed by sirolimus (median inhibition at 82.4%). The remaining agents (MPA, belatacept, and tofacitinib) had less apparent dose-dependent effects on interferon-γ (belatacept median inhibition at 21.5%; P=0.004 vs. tacrolimus). CONCLUSION: Immunosuppression-specific and dose-dependent reductions in CMV-specific cytokine release were observed with significant differences in Th1 versus Th2 profiles and in relative potency of the drugs.
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 | 0,000 |
| 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) | 0,000 | 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 ».