Tissue Resident Memory Cells: Friend or Foe?
Notice bibliographique
Résumé
ABSTRACT Tissue‐resident memory T (T RM ) cells are a specialised subset of immune cells that remain within tissues, playing a vital role in localised immune defence and long‐term immunity. Unlike circulating memory T cells, T RM cells do not recirculate to provide rapid and effective responses against previously encountered pathogens at the tissue level. The formation of T RM cells is driven by tissue‐specific cues, guiding their differentiation and retention within organs such as the skin, lungs and gut. They are characterised by the expression of unique markers, including CD69 and CD103, which facilitate their retention and longevity in tissues. T RM cells are essential for immune surveillance, effectively detecting and responding to different infections and contributing to tumour suppression. However, T RM cells are also implicated in chronic inflammatory and autoimmune diseases, where persistent activation by resident and autoantigens can lead to tissue damage. This pathogenic role is evident in chronic inflammatory conditions such as psoriasis, vitiligo and inflammatory bowel disease (IBD), where T RM cells may drive persistent localised inflammation and contribute to disease progression and severity. Emerging therapeutic strategies seek to modulate T RM cells to balance their protective and pathogenic roles in these inflammatory diseases. Approaches such as checkpoint inhibitors, cytokine modulation and cell‐depletion therapies aim to enhance T RM cells' beneficial immune functions while minimising their role in autoimmunity. A deeper understanding of T RM cell development, maintenance and functional diversity is critical for advancing treatments for infectious diseases, chronic inflammation, autoimmune conditions and cancer.
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,018 |
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 ».