Efficient Killing of High Risk Neuroblastoma Using Natural Killer Cells Activated by Plasmacytoid Dendritic Cells
Notice bibliographique
Résumé
High-risk neuroblastoma (NB) remains a major therapeutic challenge despite the recent advent of disialoganglioside (GD2)-antibody treatment combined with interleukin (IL)-2 and granulocyte monocyte-colony stimulating factor (GM-CSF). Indeed, more than one third of the patients still die from this disease. Here, we developed a novel approach to improve the current anti-GD2 immunotherapy based on NK cell stimulation using toll-like receptor (TLR)-activated plasmacytoid dendritic cells (pDCs). We demonstrated that this strategy led to the efficient killing of NB cells. When the expression of GD2 was heterogeneous on NB cells, the combination of pDC-mediated NK-cell activation and anti-GD2 treatment significantly increased the cytotoxicity of NK cells against NB cells. Activation by pDCs led to a unique NK-cell phenotype characterized by increased surface expression of tumor necrosis factor-related apoptosis-inducing ligand (TRAIL), with increased expression of CD69 on CD56dim cytotoxic cells, and strong interferon-γ production. Additionally, NB-cell killing was mediated by the TRAIL death-receptor pathway, as well as by the release of cytolytic granules via the DNAX accessory molecule 1 pathway. NK-cell activation and lytic activity against NB was independent of cell contact, depended upon type I IFN produced by TLR-9-activated pDCs, but was not reproduced by IFN-α stimulation alone. Collectively, these results highlighted the therapeutic potential of activated pDCs for patients with high-risk NB.
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) | 0,000 | 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 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 ».