The IL‐27/IL‐27R axis is altered in CD4<sup>+</sup> and CD8<sup>+</sup> T lymphocytes from multiple sclerosis patients
Notice bibliographique
Résumé
Abstract Objectives Pro‐ and anti‐inflammatory properties have been attributed to interleukin‐27 (IL‐27). Nevertheless, the impact of this cytokine on chronic inflammatory diseases such as multiple sclerosis (MS) remains ill‐defined. We investigated the biology of IL‐27 and its specific receptor IL‐27Rα in MS patients. Methods Levels of IL‐27 and its natural antagonist (IL‐27‐Rα) were measured by ELISA in biological fluids. CD4 + and CD8 + T lymphocytes were isolated from untreated relapsing–remitting MS patients and healthy donors. Transcriptome‐wide analysis compared T‐cell subsets stimulated or not with IL‐27. Expression of the IL‐27Rα, key immune factors, STAT phosphorylation and cytokine production was assessed by flow cytometry. Results We observed elevated levels of IL‐27 in the serum and cerebrospinal fluid of MS patients compared with controls. Moreover, we show that specific IL‐27‐mediated effects on T lymphocytes are reduced in MS patients including the induction of PD‐L1. IL‐27‐triggered STAT3 signalling pathway is enhanced in CD4 + and CD8 + T lymphocytes from MS patients. Elevated IL‐27Rα levels in serum from MS patients are sufficient to impair the capacity of IL‐27 to act on immune cells. We demonstrate that shedding of IL‐27Rα by activated CD4 + T lymphocytes from MS patients contributes to the increased IL‐27Rα peripheral levels and consequently can dampen the IL‐27 responsiveness. Conclusion Our work identifies several mechanisms that are altered in the IL‐27/IL‐27R axis in MS patients, especially in T lymphocytes. Our results underline the importance of characterising the biology of cytokines in human patients prior to design new therapeutics.
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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».