MétaCan
Menu
← Retour à la cohorte
Enregistrement W2902767932 · doi:10.4049/jimmunol.198.supp.201.28

A novel method for the detection of IFN-lambda 3 binding to cells to quantify IFN-lambda receptor expression on epithelial and immune cell subsets

2017· article· en· W2902767932 sur OpenAlexaff
Deanna M. Santer, Gillian E. S. Minty, Adil Mohamed, Lesley Baldwin, Rakesh Bhat, Michael Joyce, Adrian Egli, D. Lorne Tyrrell, Michael Houghton

Notice bibliographique

RevueThe Journal of Immunology · 2017
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Cell Function and Interaction
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésFlow cytometryJurkat cellsBiologyMolecular biologyImmune systemGene knockdownCell cultureInterferonReceptorT cellIL-2 receptorCytokineAntibodyImmunologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Type III interferons (IFN-lambdas) are important antiviral cytokines that also modulate immune responses by acting through a unique IFN-λR1/IL-10R2 heterodimeric receptor. Conflicting data has been reported for which human cells express the IFN-λR1 subunit and directly respond to IFN-λ. Since the commercially available anti-IFN-λR1 flow cytometry antibodies we tried were suboptimal, we developed a novel method to measure IFN-λ3 binding to IFN-λR1/IL-10R2 on the surface of cells via flow cytometry. We found that Huh7.5 hepatoma cells bound IFN-λ3 to the greatest extent with the lowest Kd(app) (83.2nM), and had the corresponding highest induction of IFN stimulated genes (ISGs). Raji and Jurkat cell lines, representing B and T cells, respectively, moderately bound IFN-λ3 and had lower ISG responses. U937 cells, representing monocytes, did not bind IFN-λ3 and therefore, did not have detectable ISG induction. We confirmed that IFN-λ3 was bound to the surface of cells through imaging flow cytometry. Importantly, lentivirus shRNA knockdown of IFNLR1 in Huh7.5 cells decreased our binding signal proportionally and reduced ISG induction by up to 93%. IFN-λ3 responsiveness increased over time with maximal ISG responses seen at 24 hrs for all but one gene. We next applied our assay to human peripheral blood mononuclear cells and saw that only specific immune cell subsets bound IFN-λ3 (eg. plasmacytoid dendritic cells and B cells). These data confirm our new IFN-λ3 binding assay can be used to quantify where the IFN-λ receptor is expressed and reflects IFN-λ3 responsiveness. Knowing which cells express the IFN-λ receptor will be crucial for determining how IFN-λ3 modulates the adaptive immune response.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,293
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Immunology→Même sujetImmune Cell Function and Interaction→Travaux en français237 207→