TRAF1 in regulation of T cell responses and inflammation
Notice bibliographique
Résumé
Abstract TNFR associated factor one (TRAF1) is a signaling adaptor that links a subset of tumor necrosis factor receptors to downstream survival signaling through NF-kB and MAP kinases. TRAF1 is critical for survival signaling downstream of 4-1BB but its role downstream of TNFR2 has been controversial. Genome-wide association studies have identified a single nucleotide polymorphism (SNP), rs3761847, in an intronic segment of the TRAF1 gene as contributing to susceptibility to and severity of Rheumatoid arthritis. However, the effect of this SNP on TRAF1 expression or T cell biology have not been examined to date. To avoid the complications of chronic inflammation, we chose to examine the effect of this common SNP on TRAF1 levels and function in healthy donors. Samples were collected from 80 healthy donors and TRAF1 levels and cytokines measured by intracellular flow cytometry on T cells from resting and anti-CD3/CD28 treated PBMC. Individuals homozygous for the risk polymorphism (GG) exhibited significantly lower TRAF1 protein levels in T cells than donors with the disease resistant (AA) genotype. However, the frequency of naïve, memory and regulatory T cell subsets was indistinguishable between AA and GG donors. T cells from the disease susceptible donor T cells produced less IFNγ, TNFα and IL-2 upon stimulation. Work is in progress to investigate how TRAF1 specifically impacts TNFR2 signaling in T cells. Taken together, our data suggest that the TRAF1 SNP results in lower TRAF1 protein and lower cytokine production by T cells, supporting the evidence that TRAF1 has a net positive role in T cell cytokine production. However, these data also present a paradox of how lower TRAF1 protein levels contribute to increased inflammatory disease.
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 | 0,000 | 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) | 0,000 | 0,000 |
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 ».