FimH Can Directly Activate Human and Murine Natural Killer Cells via TLR4
Notice bibliographique
Résumé
Although the importance of natural killer (NK) cells in innate immune responses against tumors or viral infections are well documented, their ability to directly recognize pathogens is less well defined. We have recently reported FimH, a bacterial fimbrial protein, as a novel Toll-like receptor (TLR)4 ligand that potently induces antiviral responses. Here, we investigated whether FimH either directly or indirectly can activate human and murine NK cells. We demonstrate that FimH potently activates both human and murine NK cells in vitro to induce cytokines [interferon (IFN)-gamma and tumor necrosis factor (TNF)-alpha] and cytotoxicity. Importantly, NK cells directly recognize FimH-expressing pathogens as FimH(+), but not FimH(-), bacteria were able to activate human NK cells. FimH activation of NK cells required TLR4 and MyD88 signaling, as NK cells from both TLR4(-/-) and MyD88(-/-) mice as well as human NK-92 cells, which lack TLR4, were all unresponsive to FimH. In addition, TLR4 neutralization significantly abrogated the response of human NK cells to FimH. Activation of purified NK cells by FimH was independent of lipopolysaccharide (LPS) or other bacterial contaminations. These data demonstrate for the first time that highly purified NK cells directly recognize and respond to FimH via TLR4-MyD88 pathways to aid innate protection against cancer or microbial infections.
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) | 0,005 | 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 ».