Recognition and control of neutrophil extracellular trap formation by MICL
Notice bibliographique
Résumé
Abstract Regulation of neutrophil activation is critical for disease control. Neutrophil extracellular traps (NETs), which are web-like structures composed of DNA and neutrophil-derived proteins, are formed following pro-inflammatory signals; however, if this process is uncontrolled, NETs contribute to disease pathogenesis, exacerbating inflammation and host tissue damage 1,2 . Here we show that myeloid inhibitory C-type lectin-like (MICL), an inhibitory C-type lectin receptor, directly recognizes DNA in NETs; this interaction is vital to regulate neutrophil activation. Loss or inhibition of MICL functionality leads to uncontrolled NET formation through the ROS–PAD4 pathway and the development of an auto-inflammatory feedback loop. We show that in the context of rheumatoid arthritis, such dysregulation leads to exacerbated pathology in both mouse models and in human patients, where autoantibodies to MICL inhibit key functions of this receptor. Of note, we also detect similarly inhibitory anti-MICL autoantibodies in patients with other diseases linked to aberrant NET formation, including lupus and severe COVID-19. By contrast, dysregulation of NET release is protective during systemic infection with the fungal pathogen Aspergillus fumigatus . Together, we show that the recognition of NETs by MICL represents a fundamental autoregulatory pathway that controls neutrophil activity and NET formation.
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) | 0,000 | 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) | 0,001 | 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 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 ».