Toll‐like receptor 2 activation induces C–C chemokine receptor 2‐dependent natural killer cell recruitment to the peritoneum
Notice bibliographique
Résumé
Abstract Natural killer (NK) cells are innate effector cells with critical roles not only in tumor immunosurveillance and viral immunity, but also in bacterial and fungal infections. Toll‐like receptor 2 (TLR2) can be important in the early and sustained immune responses to pathogens and tumors through the induction of cytokines and chemokines that recruit and activate immune effector cells. We investigated the role of TLR2 activation in NK cell recruitment with a view to informing approaches to induce or regulate peritoneal NK cell responses therapeutically. Peritoneal injection of TLR2 activators, including peptidoglycan and the lipopeptides FSL‐1 and Pam 3 CSK 4 , resulted in NK cell recruitment after 16 h with increased NK cell numbers maintained for 48 h. TLR2 activators induced large amounts of CCR2 ligands, but much smaller amounts of CCR5 and CXCR3 ligands. Consistent with this observation, NK cell migration was abrogated in CCR2‐deficient mice after peritoneal FSL‐1 injection. Adoptive transfer of CCR2‐deficient NK cells prior to peritoneal FSL‐1 activation confirmed a cell‐intrinsic component of CCR2‐mediated NK cell migration. TLR2 activation did not induce an activated NK cell phenotype, but significant changes included an increase in the KLRG1 + subset and decreased NKG2D expression. Although not activated in vivo , peritoneal NK cells could be activated by interleukin (IL)‐12 and IL‐18 ex vivo to express CD69 and interferonγ. These data demonstrate that TLR2‐mediated immune activation is a potent inducer of NK cell recruitment via a CCR2‐dependent mechanism and that NK cells recruited by this mechanism can respond to additional signals to exert effector cell functions.
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 | 0,000 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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.
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».