Neuropilin‐1 is a receptor for latent and active TGFβ‐1and is involved in suppression by regulatory T cells
Notice bibliographique
Résumé
Neuropilin‐1 (Nrp1) is a receptor for the class 3 semaphorins and vascular endothelial growth factor (VEGF). It is also a marker of regulatory T cells (Tr), which often carry both Nrp1 and latency‐associated peptide‐TGFβ‐1. The signaling TGFβ‐1 receptors bind only active TGFβ‐1, and we hypothesized that Nrp1 binds the latent form. Indeed, we found that Nrp1 is a high affinity receptor for both latent and active TGFβ‐1. Free LAP and LAP‐TGFβ‐1 competed with VEGF165 for binding to Nrp1. LAP has a basic, arginine‐rich C‐terminal motif similar to VEGF and peptides, which bind to the b1 domain of Nrp1. A C‐terminal LAP peptide (QSSRHRR) bound to Nrp1 and inhibited the binding of VEGF and LAP‐TGFβ‐1. Compared to Nrp1‐ cells, sorted Nrp1+ T cells had a much greater capacity to capture LAP‐TGFβ‐1. Sorted Nrp1‐ T cells captured soluble Nrp1‐Fc, and this increased their ability to capture LAP‐TGFβ‐1. Conventional CD4+CD25‐Nrp1‐ T cells double‐coated with Nrp1‐Fc/LAP‐TGFβ‐1 acquired strong Tr activity. Moreover, LAP‐TGFβ‐1 was activated by Nrp1‐Fc, and also by a peptide of the b2 domain of Nrp1 (RKFK; similar to a thrombospondin‐1 KRFK peptide, which is involved in LAP‐TGFβ‐1 activation). Nrp1 also activated LAP‐TGFβ‐1 in cell‐free system. Thus, Nrp1 is a receptor for latent and active TGFβ‐1, and can contribute to Tr activity.
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) | 0,002 | 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 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 ».