Development of a novel method for in vitro analysis of γc-cytokine effects on CD8 T cells positive selection (111.15)
Notice bibliographique
Résumé
Abstract Interleukin (IL)7 is the only γc-cytokine known to support double-positive thymocytes differentiation to the single-positive (SP) stage. To determine if additional γc-cytokines can support T-cell development, we studied their differential effects on positive selection in vitro using a monolayer of OP9 bone marrow-derived stromal cells. We chose the OTI transgenic TCR as our working model due to the previous identification of positively selecting peptides in FTOC assays. In addition to rIL7, rIL4 and rIL13 (but not rIL2, rIL9, rIL15 or rIL21) were able to induce SP CD8 T-cell development. Interestingly, rIL4 induces the de novo expression of EOMES and triggers the development of 2 distinct SP CD8 T cell populations, which we termed CD8int and CD8hi. Flow-cytometry analysis showed that ex vivo generated CD8int, but not CD8hi, expressed high levels of CD69, PD-L1 and CD44 whereas rIL7 or rIL13 treatments did not up regulate these markers. Furthermore, rIL4 has a unique ability to enhance expression of FOXO1, KLF2 and S1PR1. Flow-cytometry analysis of signaling events demonstrated that every γc-cytokine leads to differential activation of AKT, ERK, STAT3, STAT5 and STAT6. Taken together, our findings show that CD8 T-cell positive selection can be studied with an in vitro model that is more convenient than FTOC assays and can be customized to a high-throughput format. Notably, we validate a novel role for rIL4 and rIL13 in supporting positive selection of thymocytes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».