NK Cells Induce Apoptosis in Tubular Epithelial Cells and Contribute to Renal Ischemia-Reperfusion Injury
Notice bibliographique
Résumé
Renal ischemia-reperfusion injury (IRI) can result in acute renal failure with mortality rates of 50% in severe cases. NK cells are important participants in early-stage innate immune responses. However, their role in renal tubular epithelial cell (TEC) injury in IRI is currently unknown. Our data indicate that NK cells can kill syngeneic TEC in vitro. Apoptotic death of TEC in vitro is associated with TEC expression of the NK cell ligand Rae-1, as well as NKG2D on NK cells. In vivo following IRI, there was increased expression of Rae-1 on TEC. FACS analyses of kidney cell preparations indicated a quantitative increase in NKG2D-bearing NK cells within the kidney following IRI. NK cell depletion in wild-type C57BL/6 mice was protective, while adoptive transfer of NK cells worsened injury in NK, T, and B cell-null Rag2(-/-)gamma(c)(-/-) mice with IRI. NK cell-mediated kidney injury was perforin (PFN)-dependent as PFN(-/-) NK cells had minimal capacity to kill TEC in vitro compared with NK cells from wild-type, FasL-deficient (gld), or IFN-gamma(-/-) mice. Taken together, these results demonstrate for the first time that NK cells can directly kill TEC and that NK cells contribute substantially to kidney IRI. NK cell killing may represent an important underrecognized mechanism of kidney injury in diverse forms of inflammation, including transplantation.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
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 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 ».