Modeling competition among autoreactive CD8+ T cells in autoimmune diabetes: implications for antigen-specific therapy
Notice bibliographique
Résumé
Antigen therapy remains a promising strategy for prevention and treatment of autoimmune diseases, but translating this strategy to clinical therapy has been largely unsuccessful. We have shown that development of autoimmune diabetes in non-obese diabetic (NOD) mice involves prevalent recruitment of CD8+ T cells recognizing epitopes of islet-specific glucose-6-phosphatase catalytic subunit-related protein (IGRP). Administration of peptide analogs of IGRP206-214, the dominant epitope, reduced disease incidence but only under conditions that led to selective deletion of high-avidity T-cell clones. Peptide types or doses that resulted in elimination of all IGRP206-214-reactive T cells, regardless of avidity, promoted the recruitment of sub-dominant epitope-specific T cells and failed to prevent disease development. Here, we mathematically model competition of IGRP-reactive T-cell clones during spontaneous disease, and in response to peptide treatment. Based on realistic T-cell activation, proliferation and differentiation parameter values, our model shows that progression of spontaneous disease is characterized by (i) initial expansion of all IGRP206-214-reactive T-cell clones (irrespective of avidity) and (ii) slow replacement of T-cell clones recognizing peptide/MHC with low avidity by their high-avidity counterparts. This model helps understand the paradoxical outcomes of IGRP-based peptide treatment experiments. Furthermore, it predicts that slight deviations in dose or peptide affinity can lead to treatment failure or disease progression. This will occur if the treatment (i) increases the imbalance between competing IGRP206-214-reactive T-cell clones such that it favors rapid takeover of high-avidity clones or (ii) deletes all IGRP206-214-reactive clones, thereby creating a vacuum that promotes the recruitment of pathogenic sub-dominant specificities. Our data and model urge caution in the application of peptide therapy in autoimmunity.
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 | 0,000 |
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 ».