IFN-α Suppresses Myeloid Cytokine Production, Impairing IL-12 Production and the Ability to Support T-Cell Proliferation
Notice bibliographique
Résumé
BACKGROUND: Interferon-α (IFN-α) can suppress production of T-cell polarizing cytokines or induce inhibitory antigen-presenting cells that suppress T-cell activation. Previous studies showed that IFN-α therapy fails to boost virus-specific T-cell immunity in patients with chronic hepatitis B virus infection. Our aim was to determine whether IFN-α exposure alters human antigen-presenting cell function in vivo. METHODS: We investigated the immunomodulatory effects using peripheral blood mononuclear cells from healthy donors exposed to IFN-α and chronic hepatitis B (CHB) patients starting IFN-α therapy. RESULTS: IFN-α increased HLA-DR, CD80, CD86, and PD-L1 expression on healthy donor monocytes. In contrast to the activated phenotype, IFN-α inhibited Toll-like receptor-induced cytokine production and monocyte-induced T-cell proliferation. In CHB patients, peg-IFN treatment induced an interferon-stimulated gene signature in monocytes and increased HLA-DR, CD80, CD86, and PD-L1 expression. As early as 3 days after CHB patients started treatment, IFN-α inhibited monocyte cytokine production and T-cell stimulation ex vivo. IFN-α-mediated inhibition of IL-12 production, rather than inhibitory receptor expression, was responsible for inhibition of T-cell proliferation. Addition of IL-12 restored T-cell proliferation to baseline levels. CONCLUSIONS: Understanding how professional antigen-presenting cells respond to immunomodulation is important for both new innate and adaptive-targeted immunotherapies. CLINICAL TRIALS REGISTRATION: NCT00962871.
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 | 0,000 |
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 ».