Remodeling of T-cell mitochondrial metabolism to treat autoimmune diseases
Notice bibliographique
Résumé
T cells are key drivers of the pathogenesis of autoimmune diseases by producing cytokines, stimulating the generation of autoantibodies, and mediating tissue and cell damage. Distinct mitochondrial metabolic pathways govern the direction of T-cell differentiation and function and rely on specific nutrients and metabolic enzymes. Metabolic substrate uptake and mitochondrial metabolism form the foundational elements for T-cell activation, proliferation, differentiation, and effector function, contributing to the dynamic interplay between immunological signals and mitochondrial metabolism in coordinating adaptive immunity. Perturbations in substrate availability and enzyme activity may impair T-cell immunosuppressive function, fostering autoreactive responses and disrupting immune homeostasis, ultimately contributing to autoimmune disease pathogenesis. A growing body of studies has explored how metabolic processes regulate the function of diverse T-cell subsets in autoimmune diseases such as systemic lupus erythematosus (SLE), multiple sclerosis (MS), autoimmune hepatitis (AIH), inflammatory bowel disease (IBD), and psoriasis. This review describes the coordination of T-cell biology by mitochondrial metabolism, including the electron transport chain (ETC), oxidative phosphorylation, amino acid metabolism, fatty acid metabolism, and one‑carbon metabolism. This study elucidated the intricate crosstalk between mitochondrial metabolic programs, signal transduction pathways, and transcription factors. This review summarizes potential therapeutic targets for T-cell mitochondrial metabolism and signaling in autoimmune diseases, providing insights for future studies.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».