Combination Therapy With Sirolimus and Interleukin-2 Prevents Spontaneous and Recurrent Autoimmune Diabetes in NOD Mice
Notice bibliographique
Résumé
Sirolimus is an immunosuppressant that inhibits interleukin (IL)-2 signaling of T-cell proliferation but not IL-2-induced T-cell apoptosis. Therefore, we hypothesized that administration of IL-2, together with sirolimus, might shift T-cell proliferation to apoptosis and prevent autoimmune destruction of islet beta-cells. We found that sirolimus and IL-2 therapy of female NOD mice, beginning at age 10 weeks, was synergistic in preventing diabetes development, and disease prevention continued for 13 weeks after stopping sirolimus and IL-2 therapy. Similarly, sirolimus and IL-2 were synergistic in protecting syngeneic islet grafts from recurrent autoimmune destruction after transplantation in diabetic NOD mice, and diabetes did not recur after stopping sirolimus and IL-2 combination therapy. Immunocytochemical examination of islet grafts revealed significantly decreased numbers of leukocytes together with increased apoptosis of these cells in mice treated with sirolimus and IL-2, whereas beta-cells were more numerous, and significantly fewer were apoptotic. In addition, Th1-type cells (gamma-interferon-positive and IL-2(+)) were decreased the most, and Th2-type cells (IL-4(+) and IL-10(+)) and Th3-type cells (transforming growth factor-beta1(+)) were increased the most in islet grafts of sirolimus and IL-2-treated mice. We conclude that 1) combination therapy with sirolimus and IL-2 is synergistic in protecting islet beta-cells from autoimmune destruction; 2) diabetes prevention continues after withdrawal of therapy; and 3) the mechanism of protection involves a shift from Th1- to Th2- and Th3-type cytokine-producing cells, possibly due to deletion of autoreactive Th1 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 | 0,000 | 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 ».