The Influence of Hepatitis C Viral Loads on Natural Killer Cell Function
Notice bibliographique
Résumé
Background: Hepatitis C virus (HCV) infection has a high rate of chronicity, attributable to its capacity to alter host immunity, including natural killer (NK) cell function. In this study, the interaction between NK cell activity and HCV viral load was investigated. Methods: Peripheral blood NK cells were examined for cytotoxicity and interferon (IFN)-g amma expression in HCV infected low (LVL, < 800,000 IU/mL, n = 10) and high (HVL, > 800,000 IU/mL, n = 13) viral load patient cohorts. Results: Spontaneous NK cell cytotoxicity was more robust in the LVL cohort resulting in a negative correlation with viral loads (spontaneous, r = -0.437, P = 0.037; IFN-α activated, r = -0.372, P = 0.081). Although the percent of IFN-alpha+ NK cells did not associate with viral load, within the LVL cohort there was a marked increase in IFN-g amma + NK cells upon IFN-alpha± activation relative to medium alone (P < 0.01). To examine the inability of NK cells derived from HVL patients to be further activated, the expression of the exhaustion marker programmed cell death protein (PD)-1 was evaluated. PD-1 expression upon NK cell activation correlated with viral load (r = 0.649, P = 0.009). In addition, HCV proteins upregulated PD-1 expression in vitro (P < 0.05), suggesting that HCV can directly promote NK cell exhaustion. Cells from HVL patients were also more likely to produce IFN-g amma in response to HCV core protein. The finding that NK cell PD-1 and IFN-g amma expression are linked (r = 0.542, P < 0.05) suggests that increased IFN-g amma levels may induce PD-1 as a negative feedback mechanism. Conclusions: High HCV loads appear to promote NK exhaustion in chronic HCV infection. Gastroenterol Res. 2019;12(1):8-15 doi: https://doi.org/10.14740/gr1081w
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 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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».