Licensed and Unlicensed NK Cells: Differential Roles in Cancer and Viral Control
Notice bibliographique
Résumé
Natural killer (NK) cells are known for their well characterized ability to control viral infections and eliminate tumor cells. Through their repertoire of activating and inhibitory receptors, NK cells are able to survey different potential target cells for various surface markers, such as MHC-I - which signals to the NK cell that the target is healthy - as well as stress ligands or viral proteins, which alert the NK cell to the aberrant state of the target and initiate a response. According to the "licensing" hypothesis, interactions between self-specific MHC-I receptors - Ly49 in mice and KIR in humans - and self-MHC-I molecules during NK cell development is crucial for NK cell functionality. However, there also exists a large proportion of NK cells in mice and humans, which lack self-specific MHC-I receptors and are consequentially "unlicensed." While the licensed NK cell subset plays a major role in the control of MHC-I-deficient tumors, this review will go on to highlight the important role of the unlicensed NK cell subset in the control of MHC-I-expressing tumors, as well as in viral control. Unlike the licensed NK cells, unlicensed NK cells seem to benefit from the lack of self-specific inhibitory receptors, which could otherwise be exploited by some aberrant cells for immunoevasion by upregulating the expression of ligands or mimic ligands for these receptors.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».