Differentiation of Langerhans Cells from Monocytes and Their Specific Function in Inducing IL-22–Specific Th Cells
Notice bibliographique
Résumé
Abstract Human mucosal tissues and skin contain two distinct types of dendritic cell (DC) subsets, epidermal Langerhans cells (LCs) and dermal DCs, which can be distinguished by the expression of C-type lectin receptors, Langerin and DC-SIGN, respectively. Although peripheral blood monocytes differentiate into these distinct subsets, monocyte-derived LCs (moLCs) induced by coculture with GM-CSF, IL-4, and TGF-β1 coexpress both Langerin and DC-SIGN, suggesting that the environmental cues remain unclear. In this study, we show that LC differentiation is TGF-β1 dependent and that cofactors such as IL-4 and TNF-α promote TGF-β1–dependent LC differentiation into Langerin+DC-SIGN− moLCs but continuous exposure to IL-4 blocks differentiation. Steroids such as dexamethasone greatly enhanced TNF-α–induced moLC differentiation and blocked DC-SIGN expression. Consistent with primary LCs, dexamethasone-treated moLCs express CD1a, whereas monocyte-derived DCs (moDCs) express CD1b, CD1c, and CD1d. moDCs but not moLCs produced inflammatory cytokines after stimulation with CD1b and CD1d ligands mycolic acid and α-galactosylceramide, respectively. Strikingly, CD1a triggering with squalene on moLCs but not moDCs induced strong IL-22-producing CD4+ helper T cell responses. As IL-22 is an important cytokine in the maintenance of skin homeostasis, these data suggest that CD1a on LCs is involved in maintaining the immune barrier in the skin.
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) | 0,001 | 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 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 ».