TRAF1 negatively regulates C-type lectin receptor-induced proinflammatory response to fungal infection
Notice bibliographique
Résumé
Abstract Fungal infections pose serious health threat worldwide, causing severe mucosal and systemic candidiasis in elderly people, AIDS patients and organ recipients. Through sensing fungal cell-wall components b-glucan and mannan, C-type lectin receptors (CLRs) dectin-1 and dectin-2/3 play pivotal role in the induction of anti-fungal innate and adaptive immune responses. However, the regulatory mechanisms of CLR signaling remain to be better understood. Indeed, our previous work demonstrated that the protein tyrosine phosphatase SHP-2 acts as a positive regulator of CLR-induced signaling, and thus plays a critical role in DCs to promote anti-fungal Th17 response. In this study, we found that fungus-elicited CLR signals are also stringently controlled by negative regulation. Upon C. albicans infection, TRAF1 was highly induced in skin, lung and kidney. Elevated TRAF1 expression was also detected in macrophages and DCs stimulated by dectin-1 and dectin-2/3 ligands, respectively. Mechanistically, TRAF1 acted as a feed-back negative regulator critically controlling the induction of proinflammatory genes, such as Cxcl1 and Tnf, in response to fungal infection. Consistently, TRAF1-deficient mice exhibited increased neutrophil-infiltration, highly efficient fungal eradication and ameliorated tissue damage, culminating on improved host defense and better survival. Taken together, this study identified a new feed-back regulatory mechanism by which CLRs regulate anti-fungal proinflammatory response.
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) | 0,001 | 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 | 0,001 |
| 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 ».