Dendritic cells: understanding ontogeny, subsets, functions, and their clinical applications
Notice bibliographique
Résumé
Dendritic cells (DCs) play a central role in coordinating immune responses by linking innate and adaptive immunity through their exceptional antigen-presenting capabilities. Recent studies reveal that metabolic reprogramming-especially pathways involving acetyl-coenzyme A (acetyl-CoA)-critically influences DC function in both physiological and pathological contexts. This review consolidates current knowledge on how environmental factors, tumor-derived signals, and intrinsic metabolic pathways collectively regulate DC development, subset differentiation, and functional adaptability. Acetyl-CoA emerges as a dual-function metabolite, serving not only as an energy carrier but also as an epigenetic regulator that controls DC fate via lipid biosynthesis, mitochondrial metabolism, and chromatin modification. In the tumor microenvironment (TME), DCs may experience immune suppression polarization and insufficient T cell activation due to disrupted acetyl-CoA related metabolic pathways. While existing DC-based therapies remain constrained by TME-induced metabolic limitations, emerging approaches that restore acetyl-CoA related metabolic pathways balance show enhanced antitumor efficacy. The review further examines distinct metabolic adaptations among DC subsets and their relevance to autoimmune diseases, infectious immunity, and transplant outcomes. By integrating current research on targeting DC metabolic targets, we outline strategies for developing immunotherapies that target DC metabolic flexibility. Remaining hurdles include tailoring interventions to specific subsets, refining metabolic manipulation techniques, and addressing TME heterogeneity through combination therapies. These findings position acetyl-CoA as a key therapeutic target for recalibrating immunometabolism circuits, with significant implications for DC-focused cancer treatment.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».