Interferon beta-1b increases interleukin-10 in a model of T cell–microglia interaction
Notice bibliographique
Résumé
BACKGROUND: The modes of action of interferon beta (IFN-beta) in MS remain unclear, but enhanced levels of the anti-inflammatory cytokine interleukin-10 (IL-10) in the CSF of patients with MS may be a marker of its prognostic efficacy. OBJECTIVE: To examine potential mechanisms by which IL-10 may be increased by IFN-ss in the milieu of the CNS. METHODS: A model of T cell interaction with microglia in vitro was used. Production of cytokines was monitored by measuring the levels of various cytokine proteins, using ELISA. RESULTS: Pretreatment of T cells with IFN-beta potentiates the production of IL-10 when they interact with adult human microglia, human fetal microglia, or U937 cells treated with phorbol-12-myristate-13-acetate (PMA) and IFN-gamma. The enhancing effect of IFN-beta on IL-10 requires cell-cell contact, but does not seem to depend on pathways implicated in microglia-T cell interactions, involving CD40, CD23, and B7. In contrast to IL-10, IFN-beta inhibits the production of other cytokines, including tumor necrosis factor-alpha (TNF-alpha), IL-1beta, IL-4, IL-12, and IL-13. CONCLUSIONS: The increase of IL-10 in microglia-T cell interaction by IFN-beta together with a decrease of other cytokines may lead to a noninflammatory milieu in the CNS. This mechanism could contribute to the efficacy of IFN-beta in MS.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».