The paradox of NKp46 <sup>+</sup> natural killer cells: drivers of severe hepatitis C virus-induced pathology but in-vivo resistance to interferon α treatment
Notice bibliographique
Résumé
OBJECTIVE: There is evidence that natural killer (NK) cells help control persistent viral infections including hepatitis C virus (HCV). The phenotype and function of blood and intrahepatic NK cells, in steady state and after interferon (IFN) α treatment has not been fully elucidated. DESIGN: We performed a comparison of NK cells derived from blood and intrahepatic compartments in multiple paired samples from patients with a variety of chronic liver diseases. Furthermore, we obtained serial paired samples from an average of five time points in HCV patients treated with IFNα. RESULTS: Liver NK cells demonstrate a distinct activated phenotype compared to blood manifested as downregulation of the NK cell activation receptors CD16, NKG2D, and NKp30; with increased spontaneous degranulation and IFN production. In contrast, NKp46 expression was not downregulated. Indeed, NKp46-rich NK populations were the most activated, correlating closely with the severity of liver inflammation. Following initiation of IFNα treatment there was a significant increase in the proportion of intrahepatic NK cells at days 1 and 3. NKp46-rich NK populations demonstrated no reserve activation capacity with IFNα treatment and were associated with poor viral control on treatment and treatment failure. CONCLUSIONS: NKp46 marks out pathologically activated NK cells, which may result from a loss of homeostatic control of activating receptor expression in HCV. Paradoxically these pathological NK cells do not appear to be involved in viral control in IFNα-treated individuals and, indeed, predict slower rates of viral clearance.
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) | 0,001 | 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 ».