High-throughput characterization of MHC I-associated peptides presented by B lymphoblastoid cells (100.11)
Notice bibliographique
Résumé
Abstract Sensing of the MHC I-peptide (MHC I-p) repertoire allows elimination of infected or transformed cells. High-throughput strategies used to study MHC I-p include i) the use of secreted forms of MHC I transfected into model cell lines, or ii) chemical or metabolic labeling of MHC I, which is limited to certain MHCs and to cell culture model systems. Here, we used a quantitative proteomics approach to characterize and compare for the first time the MHC I-p repertoire associated to unlabeled HLA-A,B molecules of untransfected B lymphoblastoid cells (B-LCLs). Peptides were obtained from B-LCLs from 3 subjects by mild acid elution, fractionated by liquid chromatography and analyzed by nanoLC-MS/MS on a LTQ-Orbitrap mass spectrometer. We have identified more than 1000 unique 8-11mers associated to 10 HLA-A,B alleles: HLA-A*0101,0201,0205,0301,2902; B*0801,1501,4403,5001,5701. We found MHC-dependent differences in the predicted binding affinity of identified peptides. We used bioinformatic tools to identify the genes source of peptides and to characterize and compare the proteins encoding the MHC I-p repertoire. Peptides were encoded by genes located in all chromosomes and the mitochondria, and were significantly enriched for genes located in chromosomes 17 and 6. Our analysis revealed an enrichment of genes implicated in cell cycle, transcription and protein synthesis, as well as in immune and viral infection-related pathways, reflecting a B cell-specific signature.
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 | 0,001 |
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 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 ».