The relationship between predicted peptide–MHC class II affinity and T-cell activation in a HLA-DRβ1*0401 transgenic mouse model
Notice bibliographique
Résumé
The HLA-DRB1*0401 MHC class II molecule (DR4) is genetically associated with rheumatoid arthritis. It has been proposed that this MHC class II molecule participates in disease pathogenesis by presenting arthritogenic endogenous or exogenous peptides to CD4+ T cells, leading to their activation and resulting in an inflammatory response within the synovium. In order to better understand DR4 restricted T cell activation, we analyzed the candidate arthritogenic antigens type II collagen, human aggrecan, and the hepatitis B surface antigen for T-cell epitopes using a predictive model for determining peptide-DR4 affinity. We also applied this model to determine whether cross-reactive T-cell epitopes can be predicted based on known MHC-peptide-TCR interactions. Using the HLA-DR4-IE transgenic mouse, we showed that both T-cell proliferation and Th1 cytokine production (IFN-gamma) correlate with the predicted affinity of a peptide for DR4. In addition, we provide evidence that TCR recognition of a peptide-DR4 complex is highly specific in that similar antigenic peptide sequences, containing identical amino acids at TCR contact positions, do not activate the same population of T 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».