Clonal expansion under the microscope: studying lymphocyte activation and differentiation using live‐cell imaging
Notice bibliographique
Résumé
Clonal expansion of lymphocytes is a hallmark of vertebrate adaptive immunity. A small number of precursor cells that recognize a specific antigen proliferate into expanded clones, differentiate and acquire various effector and memory phenotypes, which promote effective immune responses. Recent studies establish a large degree of heterogeneity in the level of expansion and in cell state between and within expanding clones. Studying these processes in vivo, while providing insightful information on the level of heterogeneity, is challenging due to the complex microenvironment and the inability to continuously track individual cells over extended periods of time. Live cell imaging of ex vivo cultures within micro fabricated arrays provides an attractive methodology for studying clonal expansion. These experiments facilitate continuous acquisition of a large number of parameters on cell number, proliferation, death and differentiation state, with single-cell resolution on thousands of expanding clones that grow within controlled environments. Such data can reveal stochastic and instructive mechanisms that contribute to observed heterogeneity and elucidate the sequential order of differentiation events. Intercellular interactions can also be studied within these arrays by following responses of a controlled number of interacting cells, all trapped within the same microwell. Here we describe implementations of live-cell imaging within microwell arrays for studies of lymphocyte clonal expansion, portray insights already gained from these experiments and outline directions for future research. These tools, together with in vivo experiments tracking single-cell responses, will expand our understanding of adaptive immunity and the ways by which it can be manipulated.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 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 ».