Betamethasone induces potent immunosuppression and reduces HIV infection in a PBMC in vitro model
Notice bibliographique
Résumé
Genital inflammation is an established risk factor for increased HIV acquisition risk. Certain HIV-exposed seronegative populations, who are naturally resistant to HIV infection, have an immune quiescent phenotype defined by reduced immune activation and inflammatory cytokines at the genital tract. Therefore, the aim of this study was to create an immune quiescent environment using immunomodulatory drugs to mitigate HIV infection. Using an in vitro peripheral blood mononuclear cell (PBMC) model, we found that inflammation was induced using phytohemagglutinin and Toll-like receptor (TLR) agonists Pam3CSK4 (TLR1/2), lipopolysaccharide (LPS) (TLR4) and R848 (TLR7/8). After treatment with anti-inflammatory drugs, ibuprofen (IBF) and betamethasone (BMS), PBMCs were exposed to HIV NL4-3 AD8. Multiplexed ELISA was used to measure 28 cytokines to assess inflammation. Flow cytometry was used to measure immune activation (CD38, HLA-DR and CCR5) and HIV infection (p24 production) of CD4+ T cells. BMS potently suppressed inflammation (soluble cytokines, p<0.05) and immune activation (CD4+ T cells, p<0.05). BMS significantly reduced HIV infection of CD4+ T cells only in the LPS (0.98%) and unstimulated (1.7%) conditions (p<0.02). In contrast, IBF had minimal anti-inflammatory and immunosuppressive but no anti-HIV effects. BMS demonstrated potent anti-inflammatory effects, regardless of stimulation condition. Despite uniform immunosuppression, BMS differentially affected HIV infection according to the stimulation conditions, highlighting the complex nature of these interactions. Together, these data underscore the importance of interrogating inflammatory signaling pathways to identify novel drug targets to mitigate HIV infection.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 |
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 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 ».