Tuberculosis distorts the inhibitory impact of interleukin-10 in HIV infection
Notice bibliographique
Résumé
OBJECTIVES: This study aimed to assess how Mycobacterium tuberculosis (MTB) coinfection alters the impact of interleukin-10 in chronic HIV infection. DESIGN: We assessed plasma cytokine levels (interleukin-10, interferon-γ, tumor necrosis factor-α, interleukin-2, interleukin-6 and interleukin-13) in 82 individuals presenting with HIV monoinfection, HIV-LTBI (latent MTB infection) coinfection or HIV-TB (active tuberculosis) coinfection. We also assessed the influence of MTB on the functional impact of interleukin-10 receptor alpha (interleukin-10Rα) blockade on HIV and MTB-specific CD4(+) T cells. METHODS: Plasma cytokine levels were measured by high sensitivity Luminex. We used an ex-vivo interleukin-10Rα blockade assay to assess if functional enhancement of HIV and MTB-specific CD4(+) T cells was possible following a 48-h stimulation with HIV gag or pooled ESAT-6 (6 kDa early secretory antigenic target) and CFP-10 (10-kDa culture filtrate protein) peptides. Cell supernatant was collected 48 h after stimulation and the cytokine profile was measured by Luminex. RESULTS: Plasma interleukin-10 levels were elevated in HIV-TB as compared with HIV monoinfection (P < 0.05) and HIV-LTBI (P < 0.05). Plasma interleukin-10 levels correlated to HIV viral load in HIV monoinfection (P = 0.016) and HIV-LTBI (P = 0.042), but not HIV-TB. Ex-vivo blockade of interleukin-10Rα significantly enhanced MTB and HIV-specific CD4(+) T-cell function in HIV-LTBI individuals but not in HIV-TB individuals. CONCLUSION: Tuberculosis disrupts the correlation between interleukin-10 and markers of HIV disease progression. In addition, HIV-TB is associated with a more inflammatory cytokine milieu compared with HIV monoinfection. Interestingly, interleukin-10Rα blockade can enhance both HIV and MTB-specific T-cell function in HIV-LTBI, but not in HIV-TB coinfection.
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 ».