IFN-β activates cytotoxic function of human natural killer cells toward IL-27 and poly(I:C) stimulated PC3 and DU145 cells
Notice bibliographique
Résumé
Natural killer (NK) cell phenotype and function are altered in patients with prostate cancer, and increased NK cell activity is associated with a better prognosis in patients with disease. For patients with advanced stage prostate cancer, immunotherapies are a promising approach when standard treatment options have been exhausted. With the rapid emergence of NK cell-based therapies, it is important to understand the mechanisms by which NK cells can be triggered to kill cancer cells that have developed immune-evasive strategies. Altering the cytokine profiles of advanced prostate cancer cells may be an area to explore when considering ways in which NK cell activation can be modulated. We have previously demonstrated that combining the cytokine, IL-27, with TLR3 agonist, poly(I:C), changes cytokine secretion in the advanced prostate cancer models, PC3 and DU145 cells. Herein, we extend our previous work to study the effect of primary human NK cells on prostate cancer cell death in an in vitro co-culture model. Stimulating PC3 and DU145 cells with IL-27 and poly(I:C) induced IFN-β secretion, which was required for activation of primary human NK cells to kill these stimulated prostate cancer cells. PC3 cells were more sensitized to NK cell-mediated killing when compared to DU145 cells, which was attributed to differential levels of IFN-β produced in response to stimulation with IL-27 and poly(I:C). IFN-β increased granzyme B secretion and membrane-bound TRAIL expression by co-cultured NK cells. We further demonstrated that these NK cells killed PC3 cells in a partially TRAIL-dependent manner. This work provides mechanistic insight into how the cytotoxic function of NK cells can be improved to target cancer cells.
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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; 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 ».