Identification of Primary Natural Killer Cell Modulators by Chemical Library Screening with a Luciferase-Based Functional Assay
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Natural killer (NK) cells are essential players of the innate immune response that secrete cytolytic factors and cytokines such as IFN-γ when contacting virus-infected or tumor cells. They represent prime targets in immunotherapy as defects in NK cell functions are hallmarks of many pathological conditions, such as cancer and chronic infections. The functional screening of chemical libraries or biologics would greatly help identify new modulators of NK cell activity, but commonly used methods such as flow cytometry are not easily scalable to high-throughput settings. Here we describe an efficient assay to measure the natural cytotoxicity of primary NK cells where the bioluminescent enzyme NanoLuc is constitutively expressed in the cytoplasm of target cells and is released in co-culture supernatants when lysis occurs. We fully characterized this assay using either purified NK cells or total peripheral blood mononuclear cells (PBMCs), including some patient samples, as effector cells. A pilot screen was also performed on a library of 782 metabolites, xenobiotics, and common drugs, which identified dextrometorphan and diphenhydramine as novel NK cell inhibitors. Finally, this assay was further improved by developing a dual-reporter cell line to simultaneously measure NK cell cytotoxicity and IFN-γ secretion in a single well, extending the potential of this system.
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.
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 | 0,001 |
| 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 | 0,000 |
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 découle