Understanding the impact of risankizumab on keratinocyte-derived IL-23A in a novel organotypic 3D skin model containing IL-23A responsive and IL-17A producing γδ-T-cells
Notice bibliographique
Résumé
PURPOSE: To study the effects of the anti-IL-23A antibody risankizumab on the IL-36γ/IL-23A/IL-17A signalling cascade we used a newly developed 3D skin model consisting of primary human keratinocytes, fibroblasts and γδ-T-cells. METHODS: study we developed new full-thickness 3D skin models containing normal human epidermal keratinocytes (NHEK), normal human dermal fibroblasts (NHDF) and IL-23A responsive and IL-17A producing γδ-T-cells. The effects of IL-36γ stimulation with and without risankizumab treatment on IL-23A and IL-17A expression were examined at the RNA and protein levels. RESULTS: In preliminary monolayer experiments stimulation of γδ-T-cells with IL-23A promoted the IL-17A expression that was inhibited after risankizumab treatment. Using 3D skin models containing γδ-T-cells, we found that stimulation with IL-36γ significantly increased not only IL-23A but also IL-17A expression. These effects were inhibited by concomitant treatment with risankizumab. CONCLUSIONS: Our results showed that blockade of IL-23A has inhibitory effects on the IL-36γ/IL-23A feedforward loop. Our newly developed 3D skin model containing IL-23A responsive and IL-17A producing γδ-T-cells enables molecular analysis of targeted therapies aimed at the IL-36γ/IL-23A/IL-17A signalling cascade in psoriasis.
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 | 0,000 |
| 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 ».