TIGIT blockade enhances NK cell activity against autologous HIV‐1‐infected CD4<sup>+</sup> T cells
Notice bibliographique
Résumé
Abstract Objectives During chronic human immunodeficiency virus (HIV)‐1 infection, inhibitory molecules upregulated on lymphocytes contribute to effector cell dysfunction and immune exhaustion. People living with HIV (PLWH) are at greater risk for age‐related morbidities, an issue magnified by human cytomegalovirus (CMV) coinfection. As CMV infection modifies natural killer (NK) cell properties and NK cells contribute to protection against HIV‐1 infection, we considered the role of T‐cell immunoreceptor with immunoglobulin and intracellular tyrosine inhibitory motif domains (TIGIT) in NK cell‐based HIV‐1 immunotherapy and elimination strategies. Methods We measured TIGIT expression on immune cell subsets of 95 PLWH and assessed its impact on NK cell function, including elimination of autologous CD4 + T cells infected through reactivation of endogenous HIV‐1. Results TIGIT was expressed on CD4 + T cells, CD8 + T cells and NK cells from PLWH. Although TIGIT levels on T cells correlated with HIV‐1 disease progression, the extent of TIGIT expression on NK cells more closely paralleled adaptation to CMV. TIGIT interacts with its predominant ligand, poliovirus receptor (PVR), to inhibit effector cell functions. Circulating CD4 + T cells from PLWH more frequently expressed PVR than HIV‐seronegative controls, and PVR expression was enriched in CD4 + T cells replicating HIV‐1 ex vivo . Treatment with anti‐TIGIT monoclonal antibodies increased NK cell HIV‐1‐specific antibody‐dependent cytotoxicity in vitro and ex vivo . Conclusion Blocking TIGIT may be an effective strategy to invigorate antibody‐dependent NK cell activity against HIV‐1 activated in cellular reservoirs for cure or treatment strategies.
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) | 0,001 | 0,001 |
| 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,006 |
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 ».