Dendritic Cell-Based Vaccines Recruit Neutrophils to the Local Draining Lymph Nodes to Prime Natural Killer Cell Responses
Notice bibliographique
Résumé
Dendritic cell (DC)-based cancer vaccines are a form of immunotherapy that activates the innate and adaptive immune systems to combat cancers. Neutrophils contribute to cancer biology and have the potential to be exploited by immunotherapeutic platforms to enhance anti-tumor immune responses. We previously showed that DC vaccines elicit the expansion of mouse interferon (IFN)γ-producing mature natural killer (NK) cells to elevate anti-tumor responses. Here, we demonstrate the rapid recruitment of neutrophils to the draining lymph nodes of DC-vaccinated mice. This was accompanied by an increase in the total number of NK cells producing IFNγ and expressing CD107a, a marker of degranulation that demonstrates NK cell functional activity. Furthermore, the depletion of neutrophils in DC-immunized mice resulted in decreased numbers of NK cells in draining lymph nodes compared to the controls. Interestingly, the increased number of IFNγ- and CD107a-expressing NK cells in DC-immunized mice was not detected in mice depleted of neutrophils. Further investigations showed that DC vaccines induced IFNγ- and TNFα-producing CD8+ T cells that also expressed CD107a, but depletion of neutrophils did not have any impact on the CD8+ T cell population. Our findings suggest that neutrophil-mediated anti-tumor immunity induced by a DC vaccine platform could be targeted to provide innovative strategies to enhance its clinical efficacy.
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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».