Single cell profiling of hematopoietic stem cell transplant recipients reveals TGF-β1 and IL-2 confer immunoregulatory functions to NK cells
Notice bibliographique
Résumé
Natural killer (NK) cell activity is influenced by cytokines and microenvironment factors, resulting in remarkably diverse functions, by contributing to inflammatory responses or serving as rheostats of adaptive immunity. Using single cell RNA sequencing (scRNA-seq), we identified a TGFβ1 high CD56 bright NK cell population associated with hematopoietic stem cell transplant recipients protected from acute graft-versus-host disease (GVHD). We further define a role for the combination of interleukin-2 (IL-2) and transforming growth factor β1 (TGF-β1) in promoting a regulatory phenotype in NK cells. "Induced" regulatory NK cells produce high amounts of TGF-β1, inhibited T cells, could promote naive T cells differentiation into regulatory T cells, and exhibited a unique transcriptional program that includes expression of IKZF2 (HELIOS) and ZNF683 (HOBIT). This phenotype was not stable, and "induced" regulatory NK cells lost the ability to secrete TGF-β1 upon exposure to different cytokines. These findings define protective CD56 bright NK cells post-hematopoietic stem cell transplantation, and demonstrate the combination of IL-2 and TGF-β1 promotes regulatory activity in NK 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) | 0,000 | 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) | 0,000 | 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 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 ».